CVPR 2026 3D 视觉前沿梳理：模型正在学会理解、生成和构建世界
3D 视觉正从重建生成，走向空间理解、动态模拟与工程化应用。 作者丨郑佳美 编辑丨岑 峰 如果说过去几年的视觉 AI 主要是在回答“模型能不能看懂一张图”，那么到 CVPR 2026，一个更清晰的趋势正在浮现： 模型正在被要求理解图像背后的三维世界。 二维图像只是现实世界在某个视...
2026-05-13 00:41
学术研究 方向最近有哪些内容值得看
今日资讯 学术研究
学术研究 方向的重要产品、公司和事件变化，会在这里更集中地出现。
如果你是按主题跟踪 AI 动态，这一页会比全站资讯流更好用。
学术研究资讯
1,643
正文图片
8,217
清华段岳圻团队论文：从调参数到做控制，文生图迎来一次方法论升级丨CVPR 2026
很多人在使用文生图工具时都会遇到类似的情况，输入一段很清晰的描述，希望画面中人物站在左边、动物在右边，或者希望海报上出现一段完整可读的文字，但生成结果却常常让人失望。 要么位置关系混乱，要么文字变形，要么整体画面看起来不自然。继续调整参数，有时结果会更接近描述，但画面质量却明显下...
RAM——复杂场景下多人3D人体运动重建新框架 | CVPR 2026
一、研究背景 从视频中准确理解并重建人体3D运动是计算机视觉的重要研究方向，在体育赛事分析、VR/AR、人机交互以及医疗康复等领域具有广泛应用价值。然而，在真实复杂场景中，该任务仍面临三大严峻挑战： 首先是身份关联不稳定——多人交互时，频繁的遮挡和快速运动容易导致ID Switc...
2026-05-13 00:41
上交大 x vivo 团队：一个简单改动，让 diffusion 全面提升丨CVPR 2026
很多人第一次觉得图像生成模型已经足够强，往往是在它能快速画出一张看上去不错的图的时候。但真正开始频繁使用之后，又会慢慢发现另一面。 比如做一张活动主视觉，前几次生成里主体、色调、氛围都对了，可一放大细节就会发现手部、材质、边缘关系经不起看。再比如给一篇文章配封面，模型明明理解了主...
2026-05-13 00:41
对话清华商宇丨从生成视频到支撑行动，世界模型需要新的评测标准
在今天的 AI 叙事里，“世界模型”几乎成了通往具身智能的必经之路。 它被期待理解物理规律、预测环境变化，并为机器人决策提供依据。但一个尖锐的问题是：当一个模型能生成一段足够逼真的未来视频时，我们究竟该相信它真的理解了世界，还是只是更擅长复刻世界的表象？ 咬了一口的苹果会自动愈合...
CVPR 2026 多模态视觉智能全景梳理：从感知到推理的范式重写
如果回看过去十年的计算机视觉发展，其主线其实非常清晰：从早期以 ImageNet classification 为代表的“识别范式”，到以检测、分割为核心的“结构理解”，再到扩散模型推动的“生成范式”，视觉研究始终围绕一个核心目标展开——让机器更准确地“看见世界”。 然而，这一路...
西湖大学张驰团队：不重训，也能让视频生成更长更稳丨CVPR 2026
过去一段时间，AI 视频最让人惊艳的，往往都是前几秒。人物状态自然，光影氛围到位，动作也足够流畅，很容易让人产生一种感觉，视频生成已经离真正可用不远了。 但行业越往前走，问题也越清楚，真正难的从来不是做出一小段漂亮画面，而是能不能把这种质量稳定地延续下去。一旦视频时长被拉长，很多...
2026-05-13 00:41
CVPR 2026 世界模型论文全景梳理：从生成到建模的关键转变
在过去几年中，视频生成技术取得了令人瞩目的进展。从基于扩散模型的方法到大规模视频基础模型，生成结果在视觉质量上已经逐渐逼近真实世界。然而，当我们进一步审视这些模型时，一个更本质的问题开始显现：它们究竟是在“理解世界”，还是仅仅在“拟合像素分布”？ 传统视频生成方法大多建立在 2D...
西湖大学张驰团队：从视觉合成到空间理解，视频 AI 正在「转向」丨CVPR 2026
过去两年，视频生成的发展几乎是指数级的。从最早只能生成模糊片段，到如今可以生成具有叙事结构、光影一致性甚至风格控制的长视频，行业表面上已经接近一个阶段性成熟。 但如果把评价标准从“能不能生成一段视频”稍微提高到“能不能控制镜头”，问题就会完全暴露出来。当前大多数模型仍然停留在一种...
2026-05-13 00:41
港中文薛天帆团队：实现 4K 全景视频生成，普通视频也能「长出空间」丨CVPR 2026
很多人都经历过这样一种落差。现实里的空间是立体的，是包围人的，是可以转身、抬头、回望的，可一旦被手机或相机拍成视频，世界立刻被压缩成一个窄窄的取景框。 暴雨来临前的天空并不只在镜头正前方，深夜街区的压迫感也不只来自路面，商场中庭、地下车站、展馆大厅、建筑内部，这些真正让人产生现场...
2026-05-13 00:41
谷歌沉默，ICLR 未回应！TurboQuant 争议背后，大厂学术霸权该如何破局？
这几天，TurboQuant 几乎成了 AI 学术圈里最热的争议事件之一。 一边是 Google Research 高调发博文，把它包装成能显著降低大模型推理成本、并将在 ICLR 2026 亮相的“突破性”工作，另一边则是先行工作RaBitQ的作者——高健阳以知乎答主身份在社区...
上海人工智能实验室联合商汤大装置等共建AI全链路验证平台与生态社区
近日，在第二届浦江AI学术年会上，上海人工智能实验室（上海AI实验室）联合北京智源研究院、中国科学院计算技术研究所、北京开源芯片研究院、商汤科技、IDEA数字经济研究院等机构，共同发起“国产软硬件适配验证合作计划”。该计划拟推出覆盖AI全流程的软硬件验证平台及自主生态社区，并预计...
谁在给AI造灵魂：哲学家、神父和一个辞职写诗的工程师
本文来自微信公众号： 动察Beating ，作者： Sleepy，头图来自：AI生成 Anthropic发布过一份两万多字的文件，叫《Claude的宪法》，不是产品说明书，不是用户协议，也不是晦涩的底层代码。它更像是一份写给一个人的成长指南，只不过这个“人”，是一个大语言模型，每...
图灵奖得主Sutton新作：用一个1967年的公式，解决流式强化学习一大缺陷
本文来自微信公众号： 机器之心 ，编辑：Panda，作者：关注RL的 2024年底，一篇题为「流式深度强化学习终于跑通了」的论文（arXiv:2410.14606）在学界引发广泛讨论。作者来自阿尔伯塔大学的Mahmood团队，他们花了大量篇幅描述一个令人尴尬的现实：强化学习作为一...
2026-05-13 00:41
暂无图片
2026年了，AI Agent为什么还是“Demo很惊艳，上线就翻车”？
本文来自微信公众号： 人人都是产品经理 ，作者：周周粥粥 每次看到某个AI Agent产品发布demo，评论区清一色“太强了”“颠覆认知”，过两周再看，同一批人在骂“垃圾”“根本不能用”“又是智商税”。 这个循环从2024年延续到2026年，好像从来没有真正被打破过。 很多人把原...
中国拿下这届AI 顶会半壁江山，清华一家单挑斯坦福加MIT
本文来自微信公众号： APPSO ，作者：发现明日产品的，原文标题：《中国拿下这届 AI 顶会半壁江山，清华一家单挑斯坦福加 MIT》 全球AI顶会，快成中国卷王的专场了。 每年AI顶会放榜，各大机构都会暗戳戳地发喜报，比拼谁家被收录的论文多。但今年ICLR（国际学习表征会议）放...
2026-05-13 00:41
一个新视频模型背后，藏着蔡浩宇给游戏行业造的「新引擎」
作者｜桦林舞王 编辑｜ 靖宇 4 月 9 日，一篇来自 Anuttacon 团队的论文悄悄出现在 arXiv 上。论文展示了一个叫 LPM 1.0 的视频模型——全称 Large Performance Model，注意，是 Performance（表演）...
Anthropic 搞了个全是 AI 的闲鱼群，大模型在里面互割起了韭菜
作者｜ Moonshot 编辑｜ 靖宇 试想一个场景。 你在闲鱼上挂出了一辆吃灰两年的旧自行车，并在后台设定了 300 元的心理底价。十分钟后，手机弹出通知，你的专属 AI 助手已经与另一位买家的 AI 助手，完成了三轮讨价还价，最终以 400 元的价格将自行车卖出，快递正在上门...
Anthropic这个发布太炸了，AI版“不作恶”问世
编者按：本文来自微信公众号 雷科技（ID：leitech），编辑：定西，创业邦经授权发布。 昨晚，AI新贵Anthropic （后文简称为 A 社）并没有发布Claude新模型，而是推出了一个看起来特别「无聊」的东西：The Anthropic Institute（Anthrop...
研究人员给AI造了张「致幻图」：GPT爽到6.5分，Qwen直接大脑短路
不是哥们，这年头AI也溜冰了？ 就在这几天，Github上出现了一篇名为《AI Wellbeing: Measuring and Improving the Functional Pleasure and Pain of AIs》的论文，论文主题就是，如何量化与提升AI的功能性愉...