标签：计算机视觉
何恺明团队重磅新作：去掉VAE，无需Tokenizer，纯Transformer预测数据比预测噪声更高效
麻省理工学院何恺明团队发布了一项颠覆性研究，直指当前扩散生成模型的核心痛点。研究指出主流模型实际上并没有在做去噪工作，回归最原始的洁净数据预测才是...
分割一切并不够，还要3D重建一切，SAM 3D来了
Meta近期发布了SAM 3D和SAM 3两项重大技术更新，标志着计算机视觉领域的新突破。其中，SAM 3D包含两个子模型：SAM 3D Objects专注于物体与场景的3D重建，SAM ...
打破显存墙：谢赛宁团队提出CLM，单卡RTX 4090「撬动」1亿高斯点
3D Gaussian Splatting (3DGS)是一种基于各向异性3D高斯体构建场景表示的新视角合成技术，能够通过带位姿的图像训练快速渲染未见视角，在渲染速度和图像质量...
3D重建的惊人进展：多所世界名校联合发布论文，告诉你AI在3D世界的研究现状
高质量的3D重建技术正经历从逐场景优化到前馈模型的革命性转变。传统方法如运动恢复结构（SfM）和神经辐射场（NeRF）需要针对每个新场景进行耗时数小时至数天...
字节用LLaVA + SAM-2抢先实现了SAM-3，用概念分割，无需位置标注
加州大学默塞德分校、字节跳动Seed团队、武汉大学和北京大学的研究人员成功将LLaVA和SAM-2两个AI模型整合，创造出名为Sa2VA的新型多模态系统。这一突破性成果...
万字硬核解读SAM 3：不止分割一切，它开始理解世界了
Meta最新的SAM 3模型在计算机视觉领域实现了重大突破，将分割模型从简单的视觉交互工具升级为能理解语义概念的视觉-语言多模态模型。该模型通过可提示概念分...
谢赛宁团队用RAE实现从8%到84%的飞跃，宣告VAE时代结束
谢赛宁团队提出的表征自编码器（RAE）架构在图像生成领域取得重大突破，将ImageNet图像生成的FID指标提升至1.13，标志着传统变分自编码器（VAE）时代的终结。...
ICLR 2026惊现SAM 3，分割一切的下一步：让模型理解「概念」
Meta的研究团队可能推出了「Segment Anything」系列的最新版本SAM 3，相关匿名论文已提交至ICLR 2026。该论文提出了「可提示概念分割」（PCS）任务，通过文本...
吞下17亿图片，Meta最强巨兽DINOv3开源！重新定义CV天花板
Meta训练出70亿参数的「视觉巨兽」DINOv3，通过自监督学习（SSL）训练可生成强大且高分辨率的图像特征，在多个密集预测任务中超越专用解决方案，重新定义计算...
仅需0.7秒单图像实时3D重建，开源扩散模型
单图像3D重建是计算机视觉领域的一项基础且极具挑战的难题，旨在从单一视角的二维图像中恢复出三维物体的形状和结构。学术界和工业界主要探索了两种技术路线...
