标签：视觉模型
机器人“空间感”迎来新解法：蚂蚁灵波全新视觉模型，11亿参数挑战70亿级能力
蚂蚁灵波正式发布了空间感知模型LingBot-Depth 2.0，并同步开源了自研的视觉基座模型LingBot-Vision，首次集中亮相了一套从机器人视觉表征底层到深度感知能力...
今天，「空间原生」时代正式到来！
针对机器人从表演模式向作业模式转型中面临的空间感知短板，蚂蚁灵波发布了新一代空间感知模型LingBot-Depth 2.0，并开源了空间原生视觉基础模型LingBot-Visi...
入围CVPR 2026最佳论文决选，ViT³用「测试时训练」突破Transformer复杂度瓶颈
阿里巴巴与清华大学合作的研究提出了ViT³模型，旨在解决视觉Transformer在处理高分辨率图像和复杂多模态输入时计算与显存成本急剧增加的问题。该研究将测试时...
CVPR 2026 动态视觉智能观察梳理：Benchmark 之外的新考题已经出现
计算机视觉领域的研究重心正从单一基准测试的高精度优化，转向复杂开放环境下的持续理解与自适应。传统视觉系统长期依赖输入充分、目标预设及模型参数冻结的...
无需训练，如何提升黑箱VLM？CARPRT用「类别感知」给出答案
视觉语言模型在零样本分类任务中展现巨大潜力，但预测精度高度依赖描述模板的构建方式。现有集成方案多采用全局共享参数配置，忽略了指针对特定分类对象的语...
世界首个！李飞飞团队推出物理推理基准，大模型统统不及格？
斯坦福大学与中国科学技术大学的研究团队开发了首个定量评估视觉语言模型（VLMs）物理理解能力的基准测试QuantiPhy。该测试包含超过3355个视频-文本问答对，...
清华联手快手可灵，撞车谢赛宁团队RAE，用SVG再证明VAE已过时
AI图像生成技术正在经历一场范式转变，传统的VAE（变分自编码器）技术逐渐被更先进的方案取代。长期以来，扩散模型依赖VAE压缩图像以降低算力成本，但VAE构建...
百度Qianfan-VL开源，纯国产自研昆仑芯跑出世界一流
百度全新视觉理解模型Qianfan - VL直接开源，该模型具有多方面优势与特点。模型性能与应用表现出色：Qianfan - VL系列有3B、8B和70B三个版本，参数量不同对应...
百度开源视觉理解模型Qianfan-VL！全尺寸领域增强+全自研芯片计算
百度智能云千帆正式推出并全面开源全新视觉理解模型 Qianfan-VL，该系列包含 3B、8B 和 70B 三个尺寸版本，是面向企业级多模态应用场景深度优化的模型。模型...
智谱AI、清华开源新视觉大模型：刷新41项纪录，同级别最强
智谱AI与清华大学联合开源最新视觉大模型GLM - 4.5V，其在多个领域表现卓越。测试数据显示，GLM - 4.5V在42项主流测试中创造41项新记录，尤其在视觉智能体方...
1
2
