产品应用 · 计算机视觉
谷歌相册新增虚拟衣橱与手动堆叠功能
谷歌相册推出虚拟衣橱和手动照片堆叠功能，前者利用AI搭配用户已有衣物，后者便于手动整理照片库。
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。
大模型 · 计算机视觉
NeoMME发布：单一Transformer兼顾多语言文本与图像处理
Hugging Face推出NeoMME多模态编码器，以单一Transformer同时处理文本和图像，无需独立视觉塔，文档检索速度较同类模型提升约一倍。
大模型 · 计算机视觉 · 学术进展
中山大学团队提出SpatialSV：以显式三维监督打开大模型空间智能黑盒
据雷峰网报道，中山大学团队提出SpatialSV方法，让多模态大模型在隐藏层学习三维几何表示。实验显示，以开源3D模型自动生成监督替代一半人工标注后，模型空间问答准确率仍接近全量标注。
大模型 · 计算机视觉
李飞飞创办的World Labs发布全球首个多模态世界模型Atlas
李飞飞创办的World Labs发布全球首个多模态世界模型Atlas。它能基于几张照片生成最长1分钟的1440p视频，并实现空间重建，为机器人训练提供低成本仿真方案。
AI芯片与算力 · 产品应用 · 企业动态 · 计算机视觉
Nvidia DLSS 5于9月3日正式发布 首发仅支持NBA 2K27与RTX 50系显卡
Nvidia DLSS 5于9月3日随NBA 2K27正式上线，首发仅支持RTX 50系显卡。该技术因改变角色外观引发争议，媒体试玩认为效果细腻但性能开销巨大。
企业动态 · 产品应用 · 计算机视觉
戴森发布CameraJet电动牙刷：带摄像头可自动冲牙，售价约500美元
戴森9月1日在巴黎发布CameraJet电动牙刷，集成10万像素摄像头与AI，可在刷牙时识别牙缝并喷射漱口水，售价约500美元。
企业动态 · 计算机视觉
高德发布首个无长程依赖万帧级流式3D重建模型ABot-Recon
高德8月28日发布ABot-Recon，无需长程记忆，仅凭12帧即可实时重建万帧3D场景，在多项权威基准中取得最低误差。
产品应用 · 学术进展 · 计算机视觉
研究发现人工智能可经乳腺X光片筛查女性心脏病
以色列研究人员利用AI分析乳腺X光片，可识别女性冠心病、高血压和中风，或使乳腺癌筛查兼具心脏健康检查功能。
机器人 · 计算机视觉
前Meta科学家创立Perceptron，发布工业视觉AI模型Isaac 0.5
由前Meta科学家创立的Perceptron发布开源视觉模型Isaac 0.5，旨在帮助机器人在仓库和工厂灵活感知、推理与行动，公司已完成2100万美元融资。
产品应用 · 企业动态 · 计算机视觉
寻影李亮：影像技术护城河有限，真正的竞争在场景
寻影联合创始人李亮接受专访，回顾公司从AI相机创业到成为高端Webcam全球第一的历程，认为影像自动化是终局，真正的竞争在场景。
计算机视觉
清华港科大发布实时流式视频编辑框架LiveEdit，推理速度达12.66 FPS
清华大学与香港科技大学团队提出实时流式视频编辑框架LiveEdit，通过三阶段蒸馏和掩码缓存，在4步推理下实现12.66 FPS，被ECCV 2026接收并开源。
产品应用 · 计算机视觉
Android系统更新：这些第三方应用已无必要下载
据Android Authority报道，随着Android系统升级，文档扫描、二维码扫描、剪贴板管理等功能已原生支持，用户无需再下载第三方应用。
机器人 · 计算机视觉
伍兹霍尔海洋研究所开发浑浊水域水下视觉新系统
伍兹霍尔海洋研究所研发新系统，将声呐与图像匹配算法结合，让水下遥控潜水器在浑浊沉积物中也能实时看清环境，无需等待水体变清。
产品应用 · 计算机视觉
AI未取代放射科医生，但正深刻改变其工作
AI并未如辛顿所预言取代放射科医生，但已大量应用于放射学领域。截至2026年初，FDA批准的约1400种AI医疗器械中四分之三用于放射学，正深刻改变医生工作方式。
产品应用 · 企业动态 · 计算机视觉
AI硬件形态转向：墨水屏成信息看板，苹果为AirPods装摄像头
据爱范儿报道，阅星瞳X3墨水屏经智能体改造成为信息看板，苹果未来AirPods将配备100万像素摄像头用于视觉识别，两者均显示AI硬件正从屏幕内走向物理世界，以低功耗和聚焦式交互承担信息筛选功能。
产品应用 · 计算机视觉
deepDoctection 1.2.x推出端到端文档智能管道 集成布局检测与OCR
据MarkTechPost报道，deepDoctection 1.2.x提供端到端文档智能管道，集成布局检测、表格识别、OCR、阅读顺序重建与结构化导出，可服务RAG等下游系统。
产品应用 · 企业动态 · 计算机视觉
苹果带摄像头AirPods新细节泄露：可拍100万像素照片，明年或亮相
据TechRadar报道，苹果带摄像头AirPods的更多规格泄露，可拍1MP照片，用于AI感知，预计明年亮相，但引发隐私担忧。
产品应用 · 计算机视觉
便携AI健身教练BodyPark Atom受测评好评：动作映射技术令人印象深刻
据TechRadar报道，便携式AI健身教练BodyPark Atom在测评中凭借AI动作映射技术获好评，能实时提供动作反馈并纠正深蹲、硬拉等训练动作，起售价219美元。
企业动态 · 大模型 · 计算机视觉
DeepSeek发布多模态模型V4 Flash Vision Exp，部分视觉测试超越Opus 4.8
DeepSeek推出多模态语言模型V4 Flash Vision Exp，在ALE和ZeroBench等视觉基准上超越Anthropic的Opus 4.8，目前仅向付费开发者提供。
产品应用 · 计算机视觉
随身携带的iPhone摄像头：风景如画的伦敦街头随手拍出专业级素材
9to5Mac作者分享iPhone随身拍摄的优势，强调其便携性、稳定性和易用性，为视频项目提供高质量素材。
大模型 · 计算机视觉
DeepSeek发布多模态模型deepseek-v4-flash-vision-exp，同步上线API与Harness支持
DeepSeek今日推出实验性多模态模型deepseek-v4-flash-vision-exp，新增视觉理解能力，支持Agent任务，已上线API并获Harness原生支持。
计算机视觉
Chance AI创始人：下一代相机竞赛将围绕“理解”展开
Chance AI创始人兼CEO在TechRadar发文指出，AI从训练转向推理之际，相机竞赛焦点将从画质转向“理解”。传感器正变成感知问题，设备商需将推理质量与画质同等重视。
国际动态 · 计算机视觉
中国研究人员宣称AI系统可识别F-35红外特征 准确率超90%
中国研究人员宣称开发出轻量级AI系统，可识别F-22和F-35隐身战机的红外特征，实验室模拟识别准确率超90%，但实战性能未证实。
计算机视觉
MarkTechPost发布docTR文档智能流水线构建教程
据MarkTechPost报道，8月17日发布教程，演示利用docTR构建端到端文档智能流水线，涵盖OCR、布局分析、KIE、基准测试及可搜索PDF导出。