视觉感知是机器和物理世界交互的基础，也是 AI 走向通用必须具备的能力。本文整理自 IDEA 研究院计算机视觉与机器人研究中心讲席科学家张磊 6 月 在 AICon 2025 北京 的分享《从检测到通用感知：构建空间智能的基础》。

智能 transformer 通用 掩码 dino 2025-11-18 14:33  2

离职meta后，田渊栋团队最新论文放出了。他们提出的「三门理论」发现，RLVR微调只在小权重里发力，性能提升的同时又不破坏模型结构。

meta 论文 rl 掩码 田渊 2025-11-18 10:21  3

计算机视觉（CV）技术，广泛应用于自动驾驶汽车、消费电子设备等众多领域。其中，图像数据集扮演着基础性的角色，ImageNet 等大型图像数据集的出现，使计算机视觉领域实现了革命性突破。

研究 数据集 计算机视觉 掩码 fhibe 2025-11-13 15:39  2

传统方法将3D重建（底层几何）与空间理解（高层语义）割裂处理 ，导致错误累积且无法泛化 。而新方法试图将3D模型与特定的视觉语言模型（VLM）“锁死” ，这不仅限制了模型的感知能力（例如，无法区分同一类别的两个不同实例 ），更阻碍了其适应更强下游任务的扩展性

模型 ntu transformer qa 掩码 2025-10-31 16:26  2

阿里达摩院、湖畔实验室跟浙江大学一起，搞出了个叫WorldVLA的东西。这玩意儿不是简单的AI模型升级，而是想让AI真正“理解”世界，之前AI能看东西、能做动作，现在终于能搞懂动作和环境的关系了。

央视 机器人 黑科技 掩码 worldvla 2025-10-31 15:32  2

格式混乱：即使在相同的提示下，不同样本的输出格式也常常不一致，从而增加了解析和结构化输出的难度；语义断裂：坐标是数值，与图像块之间缺乏直接语义关联，模态错位；幻觉频发：模型容易生成“图中没有的框”或重复预测同一物体。

模态 llm sam patch 掩码 2025-10-30 14:09  1

Transformer 作为当前自然语言处理（NLP）、计算机视觉（CV）等领域的核心架构，其设计围绕自注意力机制展开，通过并行化计算大幅提升了模型效率与性能。本文将以 PyTorch 实现逻辑和原始论文（《Attention Is All You Need》

transformer encoder 掩码 残差 数学模型 2025-10-28 06:53  2

之前聊过 “多头注意力” 像 AI 的 “多组放大镜”，能同时盯紧屯子里事的多个重点；也聊过 “掩码” 像 “文字遮挡板”，防止 AI 生成内容时 “偷看” 后文。而 “掩码多头自注意力”，就是给这组 “放大镜” 加了 “遮挡板”—— 让 AI 既能多维度看全

化肥 放大镜 机器翻译 掩码 屯里 2025-10-15 16:48  2

在数字经济全面提速的当下，数据已成为关键生产要素。但数据价值的大规模释放，也带来了前所未有的安全挑战。正如在国家层面提出的：“加强数据安全技术应用和产业培育，引导企业根据不同安全等级的数据，采取不同的安全技术进行流通，持续提升安全可信流通、风险监测预警能力。”

智能 数据安全 api接口 脱敏 掩码 2025-10-15 15:56  3

近期，上海AI实验室联合悉尼大学、香港中文大学和香港大学的研究团队发表了一项重要研究成果，题为《Understand Before You Generate: Self-Guided Training for Autoregressive Image Gene

实验室 图像 上海 掩码 fid 2025-09-30 17:11  5

作者：Shiting Xiao, Rishabh Kabra, Yuhang Li, Donghyun Lee, Joao Carreira, Priyadarshini Panda

通用 sam neurips 掩码 openworldsam 2025-09-24 18:45  4

掩码注意力（Causal Attention）是生成式模型的核心技术，它传统自注意力机制有根本的不同，掩码注意力限制模型只能关注当前位置之前的tokens，确保了自回归生成的因果性。

transformer 掩码 掩码注意力 pytorch完整 2025-09-25 19:52  6

Salesforce执行副总裁兼首席科学家Silvio Savarese在接受Computer Weekly采访时表示，AI对企业的真正价值不在于底层模型，而在于构建在其之上的智能体能力。

模型 智能体 salesforce lam 掩码 2025-09-25 14:41  5

注意力机制听起来很玄乎，但我们可以把它看作一个软k-NN算法。查询向量问："谁跟我最像？"，softmax投票，相似的邻居们返回一个加权平均值。这就是注意力头的另外一种解释： 一个可微分的软k-NN：计算相似度 → softmax转换为权重 → 对邻居值求加权

视角 算法 transformer 掩码 axis 2025-09-24 20:22  6

这项由ByteDance（字节跳动）的赖昕和香港大学的赵恒爽领导的研究发表于2025年9月，论文全名为《Mini-o3: Scaling Up Reasoning Patterns and InteraCTion Turns for Visual Search

推理 视觉 掩码 probe bytedance 2025-09-23 15:20  5

ZipCracker是一款由Hx0战队开发的高性能多并发破解工具，专为破解密码保护的Zip文件而设计。它采用CRC32碰撞、字典攻击及掩码攻击等方式猜测Zip文件的明文或密码，并能成功提取其中的内容。这款工具具备识别"伪加密"Zip文件的能力，并能自动进行修复

zip 掩码 压缩包 zipcracker crc32 2025-09-15 15:36  5

多模态大语言模型（MLLM）在理解和生成语言方面的能力令人惊叹，但在处理需要精确空间定位的视觉任务（如图像分割）时，往往显得力不从心。现有方法通常需要引入额外的分割解码器或复杂的坐标生成机制，增加了模型的复杂性和计算开销。来自南洋理工大学、武汉大学和字节跳动的

模型 图像分割 掩码 text4seg 文本掩码 2025-09-12 19:33  5