AI资讯新闻榜单内容搜索-视觉

关键词: AI新闻,具身智能,新智具身,NeoteAI

过去两年，具身智能的资源与研究重心高度集中于视觉感知，聚焦于“让机器人看懂世界”。

关键词: AI新闻,Andrew Dai,AI访谈,戴明博,Elorian AI

过去十年，大模型世界里很多最关键的技术路线背后，都能看到Andrew Dai的身影。从早期预训练与监督微调，到后来主流的MoE（Mixture of Experts）架构；从Google Brain最初只有几十人的研究时代，到后来支撑Gemini的大规模数据体系，这位在 Google 工作超过14年的研究科学家，几乎站在了大模型时代每一次关键转折的现场。

关键词: AI新闻,模型训练,RSAgent,人工智能

智能体时代，如何让视觉分割更准确？

关键词: AI新闻,Keye-VL-2.0-30B-A3B,快手AI,AI视频

当你把一段长达9分钟、在“晴空万里”与“冰天雪地”间剧烈切换的冰岛旅行Vlog输入给大模型，并要求它做一份旅行攻略时，常规的视觉大模型通常只能给出一份基于字幕和画面标签拼凑的“流水账”。

关键词: AI新闻,模型训练,Unified Thinker,人工智能

当下视觉生成正陷入一个能力错位困境—— 扩散模型的像素画质已接近完美，但一遇到需要逻辑推理的生成任务就频频翻车。

关键词: AI新闻,AMI,童晟邦,AI访谈

即将结束博士生涯的童晟邦，正站在另一个起点上。

关键词: AI新闻,模型训练,Visual Para-Thinker,AI视觉

当前，测试时扩展范式普遍致力于增加推理长度。然而，已有研究表明，随着推理长度的持续增长，以垂直扩展为核心的计算范式容易陷入探索僵化等问题。因此，从另一维度拓展推理的宽度显得尤为重要。K2.5、Step3-VL 和 LongCat-Flash-Thinking 等模型已在推理宽度方面开展了有益的探索。

关键词: 模型训练,HiF-VLA,AI新闻,人工智能

来自西湖大学、浙江大学、西湖机器人等机构的研究团队提出了一种以运动（Motion）为中心的全新双向时空推理框架 HiF-VLA。抛弃冗余的像素级输入，HiF-VLA 巧妙提取低维紧凑的 Motion 向量作为动态先验，在一个创新的「联合专家」模块中，同步完成未来视觉运动的预测与高精度动作序列的生成。

关键词: AI新闻,模型训练,RAEv2,谢赛宁

AI 图像生成通常遵循「能力越强、代价越高」的铁律；与此同时，学界却在悄悄质疑另一个更根本的浪费：传统 VAE 对图像语义几乎一无所知，而 DINOv2、SigLIP 等视觉编码器早已从数亿张图片中习得了丰富的视觉常识。图像生成模型，真的需要从零开始「发明」对图像的理解吗？

关键词: AI新闻,模型训练,GaussianPile,AI 3D

近年来，3D Gaussian Splatting（3DGS）在三维视觉和图形学中展现出很强的表示与渲染能力。相比传统体素或神经辐射场，它用一组可优化的各向异性高斯来表示三维场景，既能保留连续空间结构，又能实现高速渲染。