跳至内容

pchao.org

人工智能

视觉模型学到的是物理约束还是渲染捷径?一项反事实物理一致性基准

8 10 月, 2026 作者 PengChao
评测缺口

该基准用 Mitsuba 3 成对反事实渲染,把物理一致性诊断拆成违规类型、受影响区域与语言解释,并用干预机制偏移检验模型是否在走渲染捷径。

分类 CVPR三分钟 标签 CLIP、 CVPR三分钟、 LLaVA-1.5-7B、 Qwen2.5-VL-7B、 人工智能、 深度学习、 计算机视觉 发表评论

UltraWorld:从不带位姿的临床视频学习可交互超声世界模型

8 10 月, 2026 作者 PengChao
自蒸馏配方

UltraWorld 用临床视频先验、三维解剖合成轨迹与 Acoustic Sampling Map,在没有真实视频–位姿对的条件下蒸馏出动作条件超声世界模型。

分类 CVPR三分钟 标签 CAMUS、 CVPR三分钟、 I-SPY1、 UltraWorld、 人工智能、 深度学习、 计算机视觉 发表评论

TileSkipper:按区域自适应剪瓦片的三维高斯溅射

8 10 月, 2026 作者 PengChao
论文代表图:figure-01-p002-01

TileSkipper 在冻结三维高斯检查点上编译静态的每高斯瓦片截断策略,按区域分配误差预算,减少配对枚举而不更新参数、也不做逐帧推理。

分类 CVPR三分钟 标签 CVPR三分钟、 OURS-GLOBAL、 PSNR、 TileSkipper、 人工智能、 深度学习、 计算机视觉 发表评论

YUBI-STAG:用自动视频-语言接地给VLA补上接触语义

8 10 月, 2026 作者 PengChao
标注管线

YUBI-STAG 用接触轨迹锚定自动标注,把粗粒度双臂演示对齐到细粒度操作语言,再后训练引出预训练 VLA 的精细接触能力。

分类 CVPR三分钟 标签 CVPR三分钟、 DINOv2-L、 SAM2、 YUBI-STAG、 人工智能、 深度学习、 计算机视觉 发表评论

VPP2:先把视频预测做对,再让机器人动作更稳

8 10 月, 2026 作者 PengChao
论文代表图:figure-02-p003-02

VPP2 用带细粒度字幕的事件级视频预训练建立指令到轨迹的稳定映射,再蒸馏成单步视觉规划,并用混合 Transformer 动作专家在开放操作里泛化。

分类 CVPR三分钟 标签 CVPR三分钟、 LoRA、 VPP2、 Wan2.1-I2V-14B、 人工智能、 深度学习、 计算机视觉 发表评论

S2Tok:用持久空间 token 做流式三维高斯重建

8 10 月, 2026 作者 PengChao
更新与准入

S2Tok 把可扩展的持久空间 token 当作场景状态,把新观测的更新与选择性扩容分开,再解码成无需缓存旧图的可渲染三维高斯。

分类 CVPR三分钟 标签 CVPR三分钟、 RoPE3D、 S2Tok、 Stream-Spatial、 人工智能、 深度学习、 计算机视觉 发表评论

Tetris3D:让单图物体彼此咬合的三维场景生成

8 10 月, 2026 作者 PengChao
生成顺序

Tetris3D 按物理依赖顺序自回归生成物体,把邻域几何与关系类型注入体素网格,使单图场景在遮挡下仍能咬合、承重。

分类 CVPR三分钟 标签 CVPR三分钟、 SLAT、 Tetris3D、 TRELLIS.2、 人工智能、 深度学习、 计算机视觉 发表评论

STRIKE:用视觉状态转移做物理世界建模

8 10 月, 2026 作者 PengChao
失败模式

STRIKE 把物理交互写成带时间的视觉状态转移,再把预测状态当作软条件驱动稠密视频生成。

分类 CVPR三分钟 标签 CVPR三分钟、 GPT-5.5、 Qwen3-VL、 STRIKE、 人工智能、 深度学习、 计算机视觉 发表评论

视觉语言模型为何漏掉小目标,以及何时放大才安全

8 10 月, 2026 作者 PengChao
关键证据

用每个目标占用的视觉词元数 S 与一次调用必须覆盖的内容量 L,解释视觉语言模型为何漏掉大图中的小目标,并给出可证明安全的分解规则。

分类 CVPR三分钟 标签 CVPR三分钟、 FloorPlanCAD、 REDP-10、 REDP-X40、 人工智能、 深度学习、 计算机视觉 发表评论

MoR-MLLM:用递归混合做计算稀疏的多模态大模型

8 10 月, 2026 作者 PengChao
论文代表图:figure-02-p003-02

MoR-MLLM 把 Mixture-of-Recursions 接到多模态大模型,用三阶段 MoR-Tuning 与熵正则路由,按词元难度分配递归深度。

分类 CVPR三分钟 标签 CVPR三分钟、 Mixture-of-Recursions、 MoR-MLLM、 MoR-Tuning、 人工智能、 深度学习、 计算机视觉 发表评论
较早文章
较新文章
← 上一页 页面1 页面2 页面3 … 页面74 下一页 →
© 2026 pchao.org • Built with GeneratePress