计算机视觉 · 学术进展
何恺明团队提出NAT-ARC：用ImageNet预训练视觉模型解ARC抽象推理
何恺明团队提出纯视觉ARC解题方案NAT-ARC，用ImageNet预训练迁移至抽象格子推理，单模型pass@2达63.4%，集成达70.2%，首次让纯视觉路线逼近专用大语言模型系统。
Category
计算机视觉
浏览计算机视觉领域的最新新闻、进展与深度报道。
产品应用 · 计算机视觉
TechRadar评测：Bird Buddy 2太阳能喂鸟器相机续航半年，但会漏拍访客
TechRadar评测称，Bird Buddy 2智能喂鸟器相机依靠太阳能屋顶连续供电半年，支持2K与可旋转竖横拍，但横屏取景会裁掉食盘，AI偶有漏拍，售价299美元。
计算机视觉
尼康显微视频大赛获奖作品遭AI质疑 主办方称正复核
据TechRadar报道，尼康正复核其年度显微视频大赛一等奖作品，此前有科学家质疑该视频可能使用AI，作者Ning Xu承认用AI处理灰度图像但否认生成纤毛运动。
学术进展 · 计算机视觉
AI“读心”工具可依据脑扫描重建所见图像
以色列魏茨曼研究所团队开发出一种AI工具，可通过高分辨率fMRI脑扫描重建人看到的图像，并反向根据图像预测脑活动。研究者希望用于理解大脑、帮助闭锁综合征患者沟通，但神经伦理学家警告可能被用于未经同意提取内心图像。
企业动态 · 产品应用 · 计算机视觉
Peloton发布三款新跑步机，AI摄像头与折叠设计成焦点
据TechRadar报道，Peloton宣布自10月1日起推出三款新跑步机，覆盖折叠入门、AI摄像头跑姿分析和带Sled Mode的高端机型。Tread Flex为该公司最便宜且首款折叠产品，Tread Vision则用计算机视觉给出跑步效率评分。
大模型 · 计算机视觉 · 产品应用
中国AI公司集中披露新进展：Step 5 Preview开源前二，PixVerse R2全量上线
2026年9月30日，多家中国AI公司披露新进展：阶跃Step 5 Preview位列全球开源前二，PixVerse R2实时世界模型全量上线，HiDream视频模型、AgnesCode编程智能体和Aholo Lux3D 3D生成也公布实测结果。
学术进展 · 大模型 · 机器人 · 计算机视觉
ECCV 2026聚焦空间智能：GPT-6 Astra接入机器人，长程任务仍需人监督
2026年9月30日，ECCV 2026相关报道显示空间智能成为AI走向物理世界的主线；GPT-6 Astra已接入宇树G1和云台机械臂，但长程任务与办公Agent仍暴露验证和口径问题。
政策监管 · 计算机视觉
英国火车站人脸识别试点半年扫描50万张脸 未直接促成逮捕
英国交通警察局在伦敦火车站开展为期六个月的实时人脸识别试点，扫描超过50万张人脸，耗资逾32万英镑，仅产生一次警报且为误报，未直接促成逮捕。试点已延长至11月并扩展至部分地铁站。
国际动态 · 政策监管 · 计算机视觉
伦敦车站实时面部识别试验结束：耗资逾32万英镑，仅一次误报、无人被捕
英国交通警察局在伦敦火车站为期六个月的实时面部识别试验结束，耗资逾32万英镑、扫描超过50万张人脸，仅触发一次误报，无人被捕。BTP 已将试验延长并扩展至伦敦地铁。
AI芯片与算力 · 企业动态 · 计算机视觉
AMD以82亿美元全股票收购World Labs，李飞飞将任首席科学家
AMD宣布以82亿美元全股票收购李飞飞创办的World Labs，交易预计2026年底前完成。李飞飞将任AMD执行副总裁兼首席科学家，World Labs团队并入AMD组建前沿AI研究组织。
国际动态 · 政策监管 · 计算机视觉
《麻省理工科技评论》调查：美国边境“虚拟墙”沿线千余人未被拦截后死亡
《麻省理工科技评论》调查显示，美国历时25年、耗资数十亿美元建成的南部边境监控“虚拟墙”，沿线有一千多人在监控塔覆盖区域内通行却未被拦下或救助，最终死在那里，部分人身处新装的人工智能监控塔之下。
AI芯片与算力 · 企业动态 · 计算机视觉
AMD以约82亿美元收购World Labs，李飞飞将任首席科学家
AMD于9月28日宣布以约82亿美元收购李飞飞创办的World Labs，交易预计年底前完成，李飞飞将出任AMD执行副总裁兼首席科学家。
产品应用 · 企业动态 · 计算机视觉
Anker推出Eufy S4视频门铃，支持VR查看与AI追踪
据TechRadar报道，Anker发布Eufy S4视频门铃，支持VR查看和AI追踪。报道未披露价格、上市时间及具体技术细节。
机器人 · 计算机视觉 · 产品应用
机器狗进入农田：从安保巡逻转向作物巡检
据Engadget报道，机器狗正从边境与度假地的安保岗位走向农田和温室。配备激光雷达、高分辨率相机与本地GPU的它们，被用于识别杂草、病害与虫害，瑞士公司Synergenta与中国DEEP Robotics等已给出具体应用数据。
企业动态 · 计算机视觉
TECNO 与 Angélica Dass 发布“100 Portraits of Becoming”全球肖像项目，首章落地肯尼亚
TECNO 与国际视觉艺术家 Angélica Dass 于9月28日发布全球肖像项目“100 Portraits of Becoming”，首批20幅肖像及个人故事来自肯尼亚，项目为期两年，最终将汇集100位个体与100个故事。
计算机视觉 · 学术进展 · 大模型
谷歌发布AI视频联合导演系统 四代理框架生成十分钟连贯视频
据MarkTechPost报道，谷歌研究发布AI视频联合导演系统，由四个代理框架组成，针对身份漂移与级联错误，可生成最长10分钟的连贯多镜头视频，并在新基准中超过多个基线。
产品应用 · 计算机视觉
iPhone实况文本功能使用指南：相机对准文字即可复制、翻译
据Engadget报道，iPhone的实况文本可识别相机画面中的文字，支持复制、翻译、查询和快捷操作，适用于iPhone XS及以后、运行iOS 15及以上的机型。苹果另有Visual Intelligence，功能更广但需Apple Intelligence兼容机型。
产品应用 · 计算机视觉
报道称Google Lens拓展多种实用场景 可用于购物、洗护标签与故障排查
据Android Authority报道，Google Lens除基础识别与搜索外，还可用于识别并购买物品、解读衣物洗涤标签、理解汽车仪表盘符号、排查设备故障、看懂营养标签以及获取菜品食材和做法。其与Gemini整合支持继续追问。
计算机视觉 · 产品应用
Reolink OMVI 3i室外摄像头：双镜头全景配4K云台追踪
据TechRadar报道，Reolink OMVI 3i室外摄像头顶部两枚镜头提供180度全景，下方4K云台镜头可355度旋转，并内置识别人、动物和车辆的边缘AI。产品提供Wi-Fi和PoE版本，售价329.99美元起，仅支持市电供电。
国际动态 · 计算机视觉
伦敦警方利用监控增强技术重查吉尔·丹多遇害案旧录像
伦敦警方称，闭路电视增强技术的新进展使其得以重新查看吉尔·丹多遇害案中已有27年的监控录像，但强调这属于既有调查复核，并非启动新调查。
计算机视觉 · 网络安全
AugLy多模态增强与对抗鲁棒性教程发布，覆盖图像、文本和音频
据 MarkTechPost 报道，2026年9月26日发布的教程展示了用 AugLy 构建图像、文本和音频增强与对抗鲁棒性工作流，并接入 PyTorch 数据管道。
大模型 · 计算机视觉
Liquid AI发布LFM2.5-VL-3B-DSpark，视觉语言模型解码最高提速3.13倍
Liquid AI发布实验性推测解码草稿模型LFM2.5-VL-3B-DSpark，为视觉语言模型解码最高提速3.13倍，权重已上线Hugging Face，并在SGLang、MLX-VLM和llama.cpp获得支持。
产品应用 · 计算机视觉
苹果HomeKit上线AI摄像头文字描述，The Verge实测其订阅价最高为对手三倍
据The Verge报道，苹果随iOS 27在HomeKit Secure Video推出Apple Intelligence for Home，用文字描述摄像头画面。该媒体实测苹果、亚马逊Ring与谷歌Nest三家AI摄像头功能，称苹果同类功能月费最高约为竞争对手三倍。
政策监管 · 计算机视觉
美国印第安纳波利斯五名警察因滥用Flock摄像头被刑事起诉
美国印第安纳波利斯五名警察因滥用Flock车牌识别摄像头被刑事起诉，其中一人还被控跟踪。《华盛顿邮报》称全国至少100名警员被指控或涉嫌未经授权使用车牌识别系统。