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

基于风格专家混合的多样化图像风格化

👍 3

提出基于MoE的语义感知风格迁移框架，支持从颜色到深层次的多样化风格

Shihao Zhu, Ziheng Ouyang, Yijia Kang, Qilong Wang, Mi Zhou, Bo Li,... 2026-03-18
Diffusion Models Mixture of Experts 图像生成 计算机视觉 风格迁移
✅ 已总结
详情 →

全景图像中的功能预测研究

👍 10

首次探索全景功能预测任务，提出PAP-12K数据集和模拟人眼中央凹视觉的PAP框架

Zixin Zhang, Chenfei Liao, Hongfei Zhang, Harold Haodong Chen, Kanghao Chen,... 2026-03-17
全景视觉 具身智能 功能预测 视觉语言模型 计算机视觉
✅ 已总结
详情 →

Holi-Spatial：将视频流演化为整体3D空间智能

👍 87

首个全自动大规模空间感知多模态数据集构建流水线，从原始视频生成高质量3D空间标注。

Yuanyuan Gao, Hao Li, Yifei Liu, Xinhao Ji, Yuning Gong, Yuanjun Liao,... 2026-03-10
3D重建 多模态学习 数据集构建 空间智能 计算机视觉
✅ 已总结
详情 →

SARAH：空间感知的实时智能体人体运动生成

👍 6

首个实时空间感知对话运动生成方法，使虚拟智能体能实时响应用户位置并生成自然对话动作

Evonne Ng, Siwei Zhang, Zhang Chen, Michael Zollhoefer, Alexander Richard 2026-02-23
动作生成 实时推理 对话智能体 虚拟现实 计算机视觉
✅ 已总结
详情 →

C-RADIOv4（技术报告）

👍 11

C-RADIOv4通过多教师蒸馏构建聚合视觉骨干模型，提升下游任务性能并支持任意分辨率

Mike Ranzinger, Greg Heinrich, Collin McCarthy, Jan Kautz, Andrew Tao, Bryan... 2026-01-27
基础模型 多分辨率训练 蒸馏 视觉编码器 计算机视觉
✅ 已总结
详情 →

几何稳定性：表征的缺失维度

👍 7

提出Shesha指标揭示表征稳定性与相似性独立，发现DINOv2存在"几何税"

Prashant C. Raju 2026-01-15
可解释性 模型评估 神经科学 表征学习 计算机视觉
✅ 已总结
详情 →

AnyDepth：让深度估计变得简单

👍 11

轻量级单目深度估计框架，参数减少85%性能不降

Zeyu Ren, Zeyu Zhang, Wukai Li, Qingxiang Liu, Hao Tang 2026-01-12
单目深度估计 数据质量筛选 模型轻量化 计算机视觉 零样本学习
✅ 已总结
详情 →