标签： 全部 强化学习 扩散模型 大语言模型 基准测试 视频生成 视觉语言模型 世界模型 GRPO 多模态大模型 知识蒸馏 LLM智能体 多智能体系统 智能体 多模态学习 流匹配 具身智能 图像生成 基准评测 代码生成 LLM Agent 检索增强生成 注意力机制 机器人操作 多模态大语言模型 视频理解 可解释性 数学推理 图像编辑 多模态 机器人学习 RLVR 自监督学习 长上下文 后训练 Transformer 工具使用 对比学习 数据合成 视觉-语言-动作模型 推理加速 工具调用 LoRA 多模态推理 RAG 计算机视觉 LLM评估 信息检索 视觉推理 评测基准 高效推理 参数高效微调 扩散语言模型 自蒸馏 综述 Flow Matching 3D重建 模型压缩 自回归生成 持续学习 自回归模型
找到 63 条结果
相关性 | 日期

VLM3：视觉语言模型是天生的3D学习者

👍 26

通过焦距统一、文本像素引用和数据缩放，标准VLM无需复杂设计即可掌握多样化3D任务

Zhipeng Cai, Zhuang Liu, Yunyang Xiong, Zechun Liu, Vikas Chandra, Yangyang Shi 2026-06-01
3D理解 多视图几何 深度估计 视觉语言模型 计算机视觉
✅ 已总结
详情 →

MARCO：探索语义对应中未见的特征空间

👍 5

基于 DINOv2 的统一对应模型，用粗到细目标+稠密自蒸馏实现 SOTA 且小 3 倍快 10 倍。

Claudia Cuttano, Gabriele Trivigno, Carlo Masone, Stefan Roth 2026-04-21
DINOv2 图像匹配 自监督学习 计算机视觉 语义对应
✅ 已总结
详情 →

RawGen：学习相机原始图像生成

👍 21

首个基于扩散模型的文本到raw图像生成框架，支持任意目标相机

Dongyoung Kim, Junyong Lee, Abhijith Punnappurath, Mahmoud Afifi, Sangmin... 2026-04-01
ISP处理 低层视觉 图像生成 扩散模型 计算机视觉
✅ 已总结
详情 →

MuRF：释放视觉基础模型的多尺度潜力

👍 13

推理时多分辨率特征融合，无需训练即可全面提升视觉基础模型

Bocheng Zou, Mu Cai, Mark Stanley, Dingfu Lu, Yong Jae Lee 2026-03-27
DINOv2 多尺度特征融合 无训练推理 视觉基础模型 计算机视觉
✅ 已总结
详情 →

CanViT：迈向主动视觉基础模型

👍 13

首个任务和策略无关的主动视觉基础模型，用Canvas注意力实现高效序列推理

Yohaï-Eliel Berreby, Sabrina Du, Audrey Durand, B. Suresh Krishna 2026-03-25
Vision Transformer 主动视觉 基础模型 知识蒸馏 计算机视觉
✅ 已总结
详情 →

教导智能体逐步绘制矢量素描

👍 5

通过部分级标注和过程奖励强化学习，实现逐步生成可编辑的矢量素描

Xiaodan Du, Ruize Xu, David Yunis, Yael Vinker, Greg Shakhnarovich 2026-03-23
多模态学习 强化学习 生成模型 矢量图形 计算机视觉
✅ 已总结
详情 →