我爱计算机视觉

HybridCUA：让电脑智能体学会“何时点鼠标、何时敲命令”

2026-10-28 27 阅读

Omni-Woodpecker：全模态幻觉可以在模型内部免训练纠正

2026-10-28 28 阅读

102 页综述逐章精读：视频基础模型如何「读、写、共享、交互」世界

2026-10-27 31 阅读

NeurIPS 2026｜字幕缺词、音画掉线，SemMSA如何稳住情感判断？

2026-10-26 28 阅读

看懂、听懂，还要找准：OmniCompass评测50个MLLMs的全模态视频定位与理解能力

2026-10-25 46 阅读

边想边看，能够捕获时空线索的视频智能体：Open-o3-Video-v2

2026-10-24 31 阅读

同样的 GQA 推理结构，为何会学出不同模型？北大 × 百度提出 VHA

2026-10-23 33 阅读

NVIDIA RTX PRO 平台赋能专业工作流

2026-10-23 24 阅读

不写思维链，多转几圈就更准？Lev：让同一份权重按题决定“想多深”的循环决策模型

2026-10-22 31 阅读

CVPR 2026 Oral | WorldLens：驾驶世界模型，怎样才算可靠？

2026-10-22 31 阅读

喜讯！NeurIPS 2026 开奖！我们中稿 11 篇！

2026-10-21 61 阅读

顶会上的世界模型！

2026-10-21 28 阅读

DriveMotion发布：393小时多源驾驶员动作预测基准

2026-10-20 34 阅读

会画椅子，也会「装」椅子吗？WorldCast 实测 12 个视觉生成模型

2026-10-19 43 阅读

NeurIPS 2026 Spotlight | 剖析医疗 VLM 错误机制，湖南大学 & 香港大学提出 CRAFT：故障电路因果定位与干预框架

2026-10-19 40 阅读