东风的一生
东风的一生
2026-07-06 22:27 · 摘要已收录，可打开文章获取原文内容
官方YOLO26论文解读来了， 重新定义YOLO架构新范式！
NMS拖慢推理、DFL膨胀参数、小目标漏检……实时检测的头号难题，今天有一个方案全部解决了！你是否在用 YOLO 系列做落地项目，却被 NMS 后处理拖累延迟、又因为 DFL 让 nano 模型头重脚
2026-06-04 23:44 · 摘要已收录，可打开文章获取原文内容
TCL集团第七届员工内购会
TCL集团第七届员工内购会
2026-05-27 20:37 · 摘要已收录，可打开文章获取原文内容
4 步生成高质量视频，还能越采样越好！NVIDIA、NUS Show Lab、MIT 提出 AnyFlow：迈向“步数自由”的视频扩散生成
点击下方卡片，关注“AIWalker”公众号来源 | 我爱计算机视觉链接 | 4 步生成高质量视频，还能越采样越好！NVIDIA、NUS Show Lab、MIT 提出 AnyFlow：迈向“步数自由
2026-05-21 23:09 · 摘要已收录，可打开文章获取原文内容
完成DINOv3+SAM+CLIP的活！EUPE 3阶段蒸馏让iPhone 62ms跑通分类/分割/VLM，全面SOTA
你是否有这样的困扰：在边缘设备上跑AI，既要图片分类、又要精准分割、还要能看图问答，但每个任务最强的视觉编码器各不相同，要么装三个模型撑爆内存，要么用一个“通才”模型却在关键任务上掉链子？这个困境的背
2026-05-20 07:00 · 摘要已收录，可打开文章获取原文内容
DINO 行，DINOv2 不行？注意力迁移在 11 个 ViT 家族里"精神分裂" | 架构不匹配，蒸馏反而成毒药
当你说“把教师的注意力模式复制给学生就能恢复全部性能”，你是否也默认这是ViT迁移的黄金法则？最新研究却狠狠打了脸：在11个ViT家族中，有4个家族在注意力迁移后性能暴跌5.1%，甚至不如从头训练！更
2026-05-19 22:08 · 摘要已收录，可打开文章获取原文内容
CVPR 2026 NTIRE：小米影像算法的技术突破
点击下方卡片，关注“AIWalker”公众号来源 | 小米技术链接 | CVPR 2026 NTIRE：小米影像算法的技术突破近日，小米在 CVPR 2026 NTIRE 赛事中荣获三项奖项。其中，小
2026-05-18 22:00 · 摘要已收录，可打开文章获取原文内容
从"看图说话"到"破案式感知" | 武汉大学发布Pixel-Searcher 让开源多模态模型首次超越闭源
“你能认出这张图里有谁吗？”——别急着回答，因为答案可能根本不在图里。你可能需要先去谷歌搜一圈，翻几条新闻，查个维基百科，甚至理出一段复杂的人物关系，才能最终把图中那个模糊的、毫无标识的目标给“挖”出
2026-05-17 08:59 · 摘要已收录，可打开文章获取原文内容
千问又出新模型了！Qwen3-VL-Seg 解锁像素级开放世界分割！
开放世界分割基于MLLM的分割方法你了解哪些？LISA靠SAM、Text4Seg靠文本，Qwen3-VL-Seg靠自己多模态大语言模型已经有了开放世界视觉基础能力，能看懂图像、回答问题、甚至用边界框定
2026-05-16 20:55 · 摘要已收录，可打开文章获取原文内容
深度解读｜去掉VAE和Vision Encoder，理解生成模型反而更强？Meta×HKU最新TUNA系列统一多模态模型
作者丨科技猛兽 编辑丨极市平台极市导读 直觉上，视觉编码器越强模型应该越好——但TUNA-2的实验结论颠覆了这一认知：逐步去掉VAE和Representation Encoder，只保留一个Patch
2026-05-15 07:00 · 摘要已收录，可打开文章获取原文内容
UCAN：轻量级超分辨率中统一卷积注意力网络的扩展感受野(CVPR2026)
论文题目UCAN: Unified Convolutional Attention Network for Expansive Receptive Fields in Lightweight Super
2026-05-14 06:41 · 摘要已收录，可打开文章获取原文内容
VOSR：面向图像超分辨率的纯视觉生成模型(CVPR2026)
论文题目VOSR: A Vision-Only Generative Model for Image Super-Resolution下载地址https://arxiv.org/abs/2604.03
2026-05-13 06:59 · 摘要已收录，可打开文章获取原文内容
北大发布 VL-SAM-v3 | 给检测器装上"视觉放大镜"，稀有类别检测直接拉爆！
你还在为开放世界检测中稀有类别的低精度头疼吗？当文本提示“狗”无法区分品种和姿态，模型只能靠猜。今天介绍的VL-SAM-v3，用外部视觉记忆给检测器装上“视觉放大镜”，在LVIS上将稀有类别AP直接拉
2026-05-12 07:00 · 摘要已收录，可打开文章获取原文内容
Meta 低调的修复了 SAM3 的这个BUG，不改一行代码，推理速度直接提升七倍
SAM3.1一次前向推理跟踪最多16个目标作为 SAM3 的直接替代品，更新后的模型通过引入对象复用技术，大幅提升了视频处理效率。Meta 去年底开源了分割一切模型：SAM 3，可以使用开放词汇文本或
2026-05-11 20:59 · 摘要已收录，可打开文章获取原文内容
总科院发布 EVT | ViT 效率死局被破了！ImageNet 86.6% 把 Swin 和 ConvNeXt 全卷没了
「你的视觉Transformer还在为算力发愁吗？显存爆炸、推理龟速、高分辨率直接劝退……今天介绍的这项研究，只用两个核心设计，就在分类、检测、分割三大任务上全面领先，推理速度还快得飞起。读完本文，你
2026-05-10 20:59 · 摘要已收录，可打开文章获取原文内容
何恺明团队论文全景扫描：一场关于「生成范式」的多角度突破 | CVPR 2026
高度依赖扩散模型的图像生成范式，正在被重新审视。 作者丨陈淑瑜 编辑丨岑 峰
2026-05-09 07:00 · 摘要已收录，可打开文章获取原文内容
Multinex：通过多先验Retinex实现轻量级弱光图像增强(CVPR2026)
论文题目Multinex: Lightweight Low-light Image Enhancement via Multi-prior Retinex下载地址https://arxiv.org/a
2026-05-08 07:00 · 摘要已收录，可打开文章获取原文内容
蚂蚁集团发布LLaDA2.0-Uni | 扩散一统多模态，8步出图快到离谱
🔥 开源代码已放出：https://huggingface.co/inclusionAI/LLaDA2.0-Uni[1]还在为“理解”和“生成”要训练两个模型而头疼吗？还在纠结扩散模型解码慢、语义编码
2026-05-07 12:59 · 摘要已收录，可打开文章获取原文内容
一步扩散也能兼顾保真与细节？FiDeSR：高保真细节保持的单步扩散超分辨率框架拆解
本文介绍了 FiDeSR，一种专为真实世界超分辨率（Real-ISR）设计的单步扩散框架，旨在解决传统单步方法中的结构失真与细节缺失问题。该方案通过细节感知加权（DAW）优化训练策略，利用残差精修块（
2026-05-06 21:33 · 摘要已收录，可打开文章获取原文内容
谷歌发布 Vision Banana | 轻松击败SAM 3，同时视觉范式要变天了
你是不是还在为视觉AI项目里，十几个专用模型来回切换而头疼？SAM负责分割，Depth Anything负责深度，Lotus-2负责法线…部署复杂，数据流混乱。告诉你一个颠覆性的发现：一个训练用来“画
2026-05-04 18:59 · 摘要已收录，可打开文章获取原文内容
Meta 全面升级视觉基础模型！一个模型搞定7项人体视觉任务，全面超越上一代！
人体视觉任务的基础模型Meta Reality Labs 在去年开源了一个以人为中心的视觉基础模型，专为姿势估计、身体部位分割、深度估计等四项基本视觉任务设计。Sapiens 模型在三亿张自然人类图像
2026-05-03 14:25 · 摘要已收录，可打开文章获取原文内容
1.3MB模型塞进传感器芯片！IBM开源瘦身版SAM：11毫秒完成提示分割，原始图像不出芯片
一个连接到索尼IMX500智能视觉传感器的树莓派一提到基础模型，大家的第一反应就是：这东西端侧肯定跑不动。比如视觉基础模型SAM，在很多人眼里，在实际项目中最务实的作用，无非就是用来做做数据筛选、搞搞
2026-05-02 19:59 · 摘要已收录，可打开文章获取原文内容
索尼TrueRGB
索尼TrueRGB
2026-05-01 19:08 · 摘要已收录，可打开文章获取原文内容
天空蓝到底应该是什么蓝？
天空蓝到底应该是什么蓝？
2026-04-25 12:13 · 摘要已收录，可打开文章获取原文内容
CVPR 2026｜“像素级对齐大师” VA-π: 25分钟微调FID暴降50%
作者：Xinyao Liao*, Qiyuan He*, Kai Xu, Xiaoye Qu, Yicong Li, Wei Wei, Angela Yao作者单位：华中科技大学，新加坡国立大学解读：
2026-04-20 22:18 · 摘要已收录，可打开文章获取原文内容
媲美Nano Banana Pro！南科大&阶跃星辰等开源真实世界图像恢复之王RealRestorer
作者：Yufeng Yang, Xianfang Zeng, Zhangqi Jiang等解读：AI生成未来该工作由南方科技大学、阶跃星辰和中科院深圳先进院等机构联合完成，并已同步发布论文、项目页、模
2026-04-10 21:29 · 摘要已收录，可打开文章获取原文内容
TPAMI 2025 | 全新 BIPNet 框架：自适应渐进上采样，让 burst 图像恢复实现质的飞跃
关注「AIWalker」并星标从此AI不迷路作者 | 小白 来源 | 小白学视觉在智能手机摄影愈发普及的当下，小尺寸传感器、有限的光学器件等硬件短板，始终制约着手机成像质量——噪声、低分辨率、暗光下细
2026-04-06 21:30 · 摘要已收录，可打开文章获取原文内容
TIR-Agent：训练图像修复 Agent 学会“探索”与“高效决策”
文章地址：https://arxiv.org/abs/2603.27742一句话概括：以前的图像修复 Agent：像“盲试工具”的打工人，TIR-Agent：像“会规划策略”的专家修图师简介你是否使用
2026-04-06 21:30 · 摘要已收录，可打开文章获取原文内容
华为「王云鹤」离职，祝再创新高！
华为「王云鹤」离职，祝再创新高！
2026-03-28 14:20 · 摘要已收录，可打开文章获取原文内容
你的算力还在浪费吗？YOLO-Master和YOLO26给出了两种解药：动态密集计算范式和端到端极简架构
专为边缘计算而设计的YOLO26随着模型的部署从云端落向端侧，模型要跑在手机、监控摄像头或无人机上时，每一毫瓦的功耗、每一毫秒的延迟都至关重要。实时目标检测的效率革命不再仅仅是模型的更快更强，而是向着
2026-03-23 22:42 · 摘要已收录，可打开文章获取原文内容