在现代化的草莓育苗工厂中，一排排整齐的穴盘里孕育着成千上万的草莓幼苗。然而，一个长期困扰农户的难题是：如何快速准确地识别出哪些穴孔缺苗、哪些幼苗生长不良？

近年来，人工智能（尤其是计算机视觉）技术快速发展，广泛应用于安防、金融、医疗、自动驾驶等领域。然而，数据偏见问题一直如影随形，制约着AI系统的公平性与可信度。

大牛直播SDK（SmartMediaKit）是一套跨平台实时音视频系统级 SDK，定位于低延迟直播、智能视频传输与系统级集成。SDK 以模块化体系构建，覆盖推流...

研究团队已承诺将开源代码和数据集，这将极大促进全景多目标跟踪领域的发展。对于从事计算机视觉、机器人导航、自动驾驶等领域的研究者和工程师来说，OmniTrack+...

就在前不久DeepSeekOCR开源发布，大家在感叹其体积和速度的时候，LightOnOCR又给我们带来全新的效果，这款全新的视觉语言模型正在重新定义机器阅读和...

研究人员在2025年纳什维尔计算机视觉与模式识别会议（CVPR）上展示了他们的发现。由Kundu领导的论文《走向通用合成视频检测器：从面部或背景操作到完全AI生...

在工业质检、医疗诊断、安防监控等领域，异常检测一直扮演着至关重要的角色。然而，这个领域长期以来面临着一个核心痛点：方法碎片化。

近年来，视觉语言模型（VLMs）在多种任务上展现出了令人印象深刻的能力，它们能够同时理解图像和文本信息，完成复杂的推理任务。然而，当图像和文本信息相互矛盾时，这...

这次发布时间也太巧了——就在几天前，Claude Code 才刚刚发布它的 2.0 版本。

智能的本质，从来不仅是“知道”，而是“反应”。在人与机器逐渐共享时空的时代，AI的挑战不再是能否理解世界，而是能否与世界同频。

实时音视频系统，正从“能看见”走向“能协同”。随着 4G/5G、Wi-Fi 6/7、边缘计算、物联网、低空经济、智能车载、XR / 头显等新型场景不断涌现，视频...

视觉语言模型是一类强大的机器学习模型，能够同时处理视觉（图像）和文本信息。随着最近 Qwen 3 VL 模型的发布，我想带大家深入探讨一下，如何利用这些强大的 ...

“人火了是连毕业论文都要被翻出来的。”这条互联网定律再次应验——宇树科技CEO王兴兴的硕士毕业论文近日被网友们掘地三尺找了出来。

“十五五”（2026–2030）时期，将是中国由“智能化应用突破”转向“系统化协同演进”的关键阶段。 随着低空经济、具身智能、工业视觉、远程医疗、应急指挥等新...

在今年欧洲计算机视觉会议(ECCV)上，我们提出了一种评估人脸识别系统偏差的新方法，不需要带有身份注释的数据。虽然该方法仅估计模型在不同人口群体数据上的性能，但...

定位与目标检测是计算机视觉中的两个核心任务，广泛应用于自动驾驶和机器人等实际场景。作为计算机视觉专家，深入理解这些技术至关重要。

Depth Anything模型基于DPT架构，并在超过6200万张图像上进行了训练。DPT模型的主干利用视觉变换器替代CNN进行密集预测任务，即逐像素预测。D...