跳至内容

pchao.org

PlaySuite:大规模交互视觉智能评测基准

7 10 月, 2026 作者 PengChao
基准设计

PlaySuite 从 itch.io 与 PyWeek 筛出 5,734 款异构游戏,用统一键盘鼠标闭环和视频裁判测量开源视觉模型能否把感知变成持续进展。

分类 CVPR三分钟 标签 CVPR三分钟、 NSFW、 PlaySuite、 PyWeek、 人工智能、 深度学习、 计算机视觉 发表评论

MedCORE:按临床判据组织证据的可解释医学影像诊断

7 10 月, 2026 作者 PengChao
方法结构

MedCORE 把诊断拆成临床判据,在冻结的 BioMedCLIP 上做空间定位、多尺度编码、图注意力与不确定性加权,而不是像素直接映射标签。

分类 CVPR三分钟 标签 BioMedCLIP、 CVPR三分钟、 MedCORE、 ViT-B、 人工智能、 深度学习、 计算机视觉 发表评论

VLA-ACL:用动作一致性学习给视觉语言动作模型剪视觉 token

7 10 月, 2026 作者 PengChao
动作一致性

VLA-ACL 在冻结视觉语言动作骨干上训练轻量 patch 打分器,让剪枝后的动作跟上全上下文教师,从而大幅丢掉视觉 token。

分类 CVPR三分钟 标签 CVPR三分钟、 RoPE、 Top-K、 VLA-ACL、 人工智能、 深度学习、 计算机视觉 发表评论

ElasticFit:用视觉语言推理与生成式适配做贴合场景的三维插入

7 10 月, 2026 作者 PengChao
拟合线索

ElasticFit 把语言指令落到场景拟合线索上,再生成并按刚性、均匀或弹性模式把物体贴进已有三维场景。

分类 CVPR三分钟 标签 CVPR三分钟、 ElasticFit、 SDXL、 Set-of-Mark、 人工智能、 深度学习、 计算机视觉 发表评论

OPENWAM:可组合世界-动作模型的开放框架

7 10 月, 2026 作者 PengChao
设计纠缠

OPENWAM 用共享因果机器人视频骨干和可配置 MoT 交互,在同一协议下比较世界-动作耦合,并让局部逆/前向动力学独立复用。

分类 CVPR三分钟 标签 CVPR三分钟、 Mixture-of-Transformers、 OPENWAM、 Wan2.2-5B、 人工智能、 深度学习、 计算机视觉 发表评论

DepthWorld:面向机器人操作的三维世界模型

7 10 月, 2026 作者 PengChao
DROID-3D 标定

DepthWorld 用重标定的度量深度与空间潜变量拼接,让动作条件视频世界模型同时生成多视图 RGB 与一致的三维几何。

分类 CVPR三分钟 标签 CVPR三分钟、 DepthWorld、 S2M2、 URDF、 人工智能、 深度学习、 计算机视觉 发表评论

DistScene:把物体先验蒸馏进场景的组合式三维生成

7 10 月, 2026 作者 PengChao
联合生成与精修

DistScene 在共享场景坐标里联合生成环境与独立物体,再用局部精修恢复细节,并通过物体到场景蒸馏把预训练物体生成器变成可扩展的场景监督。

分类 CVPR三分钟 标签 CVPR三分钟、 DistScene、 Object-to-Scene、 TRELLIS.2、 人工智能、 深度学习、 计算机视觉 发表评论

Artemis:用共享三维状态做几何落地的多智能体驾驶世界模型

7 10 月, 2026 作者 PengChao
几何注入

Artemis 从多智能体观测重建共享三维地图,把分解后的几何控制图注入视频扩散模型,并渐进更新记忆以生成视角一致的未来驾驶视频。

分类 CVPR三分钟 标签 CARLA、 CVPR三分钟、 LingBot-Map、 MA-CARLA、 人工智能、 深度学习、 计算机视觉 发表评论

统一多模态模型中的视觉弃权

7 10 月, 2026 作者 PengChao
VisTA 训练

VisTA 用成对可行/不可行监督,让统一多模态模型先判断改图是否可行,再决定生成图像或明确拒绝。

分类 CVPR三分钟 标签 CVPR三分钟、 Draw-or-Decline、 UniREditBench、 VisTA、 人工智能、 深度学习、 计算机视觉 发表评论

SpaTime:面向时空推理的流式视觉语言模型

7 10 月, 2026 作者 PengChao
几何融合

SpaTime 把冻结 StreamVGGT 的因果三维几何 token 逐帧融入流式视觉语言模型,并用可微响应时刻损失监督何时作答。

分类 CVPR三分钟 标签 CVPR三分钟、 Qwen2.5-VL-7B-Instruct、 SpaTime、 StreamVGGT、 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4 … 页面75 下一页 →
© 2026 pchao.org • Built with GeneratePress