#computer-vision
共 8 篇相关内容 · 安全漏洞、AI动态、技术文章
技术文章 8
当前世界模型缺少持久状态核心：23个模型测试揭示AI的致命盲区
这篇论文揭示了当前世界模型的根本缺陷：当摄像头移开时，AI世界就暂停了。研究者提出WRBench基准，在23个模型9600个视频上系统证明，更高的保真度、更强的控制、更大的参数量都无法解决这一问题，需要架构层面的根本变革。
TimeProVe：先提议再验证，长视频理解成本降低93%同时精度提升7.3%
TimeProVe提出两阶段框架解决长视频问答的效率-精度矛盾：先用轻量级ACE模块从视频中提取动作级候选证据并生成假设，再调用大型VLM精准验证。在ADL场景基准OTB上超越最强基线7.3%，VLM调用减少75%，推理成本降低93%。
TimeProVe: 提议再验证——高效长视频理解的新范式
TimeProVe提出了一种先提议再验证的高效长视频理解框架，通过ACE模块先用轻量级模型定位候选证据，再调用大型视觉语言模型精准验证。该方法将VLM调用减少75%、推理成本降低93%，同时准确率提升7.3%。论文还推出了OpenTSUBench基准测试，专门评估日常生活活动场景中的时序推理能力。
TimeProVe：先提议后验证，高效理解长视频的时间推理框架
TimeProVe 提出了一种'先提议、后验证'的两阶段框架，用于高效处理长视频问答。通过轻量级 ACE 模块提取动作级别的候选证据，再用大型 VLM 做针对性验证，在 OTB 基准上比最强基线高出 7.3%，VLM 调用减少 75%，推理成本降低 93%。该方法无需专门的时间定位训练就能实现零样本时间定位，代表了'聪明使用计算'的新趋势。
TimeProVe：先提议后验证，高效理解长视频的时间推理框架
TimeProVe 提出了一种'先提议、后验证'的两阶段框架，用于高效处理长视频问答。通过轻量级 ACE 模块提取动作级别的候选证据，再用大型 VLM 做针对性验证，在 OTB 基准上比最强基线高出 7.3%，VLM 调用减少 75%，推理成本降低 93%。该方法无需专门的时间定位训练就能实现零样本时间定位，代表了'聪明使用计算'的新趋势。
TimeProVe：先提案后验证——高效长视频时序推理的新范式
TimeProVe提出先提案后验证的两阶段框架，用轻量模型筛选候选证据再用VLM精准验证，在长视频问答任务上实现93%成本降低和7.3%性能提升，同时引入OTB日常生活时序推理基准。
TimeProVe：先提议再验证，高效长视频理解的新范式
TimeProVe提出一种先提议再验证的混合框架用于长视频时序推理。通过轻量级动作检测和LLM候选生成，仅对少量候选调用昂贵VLM验证，在OTB基准上提升7.3%准确率的同时减少75%的VLM调用和93%的推理成本，并提出了面向日常活动的OTB基准。
JanusMesh：3-5分钟生成「双面神」3D幻象，零训练跨空间去噪框架
JanusMesh提出无需训练的3D视觉幻象生成框架，通过跨空间双分支去噪将几何融合与纹理合成解耦，仅需3-5分钟即可生成从不同角度看呈现完全不同语义的3D模型，在速度、几何完整性和语义清晰度上全面超越现有方法。该工作被ECCV 2026接收。