搜索
视觉问答模型的准确率不断提高，但高分未必来自视觉理解 —— 当基准图像与答案已进入训练语料，模型可能只是复现了记忆。浙江大学等团队提出 ReKey：保留原始真实场景，只更新决定答案的那一小块视觉线索，使每轮评测都面向未见过的内容。
近年来，视觉 — 语言 — 动作模型（Vision-Language-Action Model，VLA）正逐渐成为通用机器人控制的重要技术路线，但当这些模型真正进入高频闭环执行时，一个矛盾越来越突出：模型越来越大、语义能力越来越强，动作更新却未必足够快。
7 月 19 日至 23 日，美国洛杉矶，SIGGRAPH 2026 如期而至。这场汇聚全球计算机图形学与视觉计算领域顶尖学者、艺术家与工程师的年度盛会，吸引了来自 69 个国家的近万名参会者。渲染、几何建模、动画仿真、与生成式 AI，几乎所有关于如何用计算机创造视觉世界的最前沿探索，都在这五天里集中呈现。
长视频理解，正在成为多模态大模型的重要能力。
过去两年，多模态模型的竞争看起来像一场“造眼睛”的竞赛：更高的图像分辨率、更多的视觉 token、更大的模型，以及更昂贵的训练。行业似乎默认，只要第一次看得足够清楚，AI 就能从“看见”抵达“洞见”。
Sable是全球领先的AI员工服务商，核心打造Aidan全场景智能AI员工，依托计算机操作、视觉识别、语音交互技术，助力企业实现客户互动、产品服务、前端业务的智能化、规模化落地，赋能企业优化人力效能、降本增效。
Z Potentials 获悉，AI多模态内容互动娱乐社区海艺近期完成超亿元人民币B轮融资，由视觉中国、华盖创赢、祥峰投资联合领投，广发信德、天投资本、川创投、广州合伟永晟参与。
近日，全球化AI互动娱乐平台海艺（SeaArt）宣布完成超亿元B轮融资。本轮融资由视觉中国、华盖创赢、祥峰投资联合领投，广发信德、天投资本、川创投、广州合伟永晟跟投。此前海艺曾获阿里、腾讯、招银国际、钟鼎资本、Actoz、上海人工智能产业系列基金、和溋资本等知名产业基金和财务投资机构加持。
独家获悉，近期，腾讯混元多模态理解负责人胡瀚提出了离职。此前，他曾担任微软亚洲研究院视觉计算组首席研究员。2025年初加入腾讯后，负责视觉大模型的研究。在后续的调整中，他加入大语言模型部旗下的“Frontier”前沿技术研究组，负责多模态理解的相关研究，汇报给姚顺雨。
国防科技大学虚拟现实与视觉计算团队（SAW Lab）联合先进制导与控制技术国家级重点实验室等推出面向航拍几何 3D 视觉的统一大规模数据集与评测基准 「AirZoo」。