AI资讯新闻榜单内容搜索-AI视觉

关键词: AI,模型训练,Robust-R1,人工智能

多模态大语言模型（MLLMs）已成为AI视觉理解的核心引擎，但其在真实世界视觉退化（模糊、噪声、遮挡等）下的性能崩溃，始终是制约产业落地的致命瓶颈。

关键词: AI新闻,MiniMax,海螺,海螺视频开源

2025 年还有一周结束，年底，AI 视频圈又卷起来了。

关键词: AI,模型训练,LoFA,AI视觉框架

在个性化视觉生成的实际应用中，通用视觉基础模型的表现往往难以满足精准需求。为实现高度定制化的生成效果，通常需对大模型进行针对性的自适应微调，但当前以 LoRA 为代表的主流方法，仍受限于定制化数据收集与冗长的优化流程，耗时耗力，难以在真实场景中广泛应用。

关键词: AI新闻,AI视觉,何恺明,AI学术盘点

不久前，NeurIPS 2025 顺利举办，作为人工智能学术界的顶级会议之一，其中不乏学术界大佬的工作和演讲。

关键词: AI,模型训练,MILO,AI视觉

大模型总是无法理解空间，就像我们难以想象四维世界。

关键词: AI,模型训练,ObjectRelator,AI视觉

具身智能落地迈出关键一步，AI拥有第一人称与第三人称的“通感”了！

关键词: AI新闻,通义千问,Qwen3-VL,AI视觉

智东西10月15日报道，今日，阿里通义千问团队推出其最强视觉语言模型系列Qwen3-VL的4B与8B版本，两个尺寸均提供Instruct与Thinking版本，在几十项权威基准测评中超越Gemini 2.5 Flash Lite、GPT-5 Nano等同级别顶尖模型。

关键词: AI,模型训练,SAM3,AI视觉

2023年Meta推出SAM，随后SAM 2扩展到视频分割，性能再度突破。近日，SAM 3悄悄现身ICLR 2026盲审论文，带来全新范式——「基于概念的分割」（Segment Anything with Concepts），这预示着视觉AI正从「看见」迈向真正的「理解」。

关键词: 模型训练,Being-VL,BPE tokenizer,AI视觉

为此，北大、UC San Diego 和 BeingBeyond 联合提出一种新的方法——Being-VL 的视觉 BPE 路线。Being-VL 的出发点是把这一步后置：先在纯自监督、无 language condition 的设定下，把图像离散化并「分词」，再与文本在同一词表、同一序列中由同一 Transformer 统一建模，从源头缩短跨模态链路并保留视觉结构先验。

关键词: Insta360,模型训练,AI视觉,人工智能

本文作者团队来自 Insta360 影石研究院及其合作高校。目前，Insta360 正在面向世界模型、多模态大模型、生成式模型等前沿方向招聘实习生与全职算法工程师，欢迎有志于前沿 AI 研究与落地的同