视觉表征学习 LLM-DailyDigest 2026-08-30 2026-08-30 约 100 字 预计阅读 1 分钟 视觉表征学习 本主题由提交工具自动创建，可在此补充洞察与资料。 相关消息（按子主题自动聚合） 三维生成 1 ZipTok3D：紧凑令牌前缀实现高保真 3D 令牌化 09-07 三维跟踪 1 TrackEverything：去重 3D 场景表征实现长时程密集跟踪 09-29 三维重建 3 EgoXperience：从人类经验学习世界对齐的自我中心表征 10-21 InfiniSplat v2：改进任意视角前馈式 3DGS 重建 10-18 ABot-Recon：以局部上下文实现长时域流式三维重建 09-01 世界模型 1 表征先验如何塑造世界动作模型的泛化能力 10-22 主动学习 1 通过预测误差将内部表征转化为模型改进 09-30 具身基础模型 1 LIT：打破视觉-动作捷径的机器人基础模型训练 09-15 具身规划 2 Reflex：视觉驱动的反应式人形机器人全身控制 10-18 DriveZero：超越人类示范的端到端自动驾驶 09-10 动作纠错 1 SportSkills：从体育教学视频学习身体技能并按动作错误检索示范 08-24 图像生成 1 FuseReg：正则化层融合缩小表征自编码器的重建—生成差距 09-29 多模态学习 8 离散视觉词元可实现语义无损的视觉表示 10-29 GAFU：解锁统一多模态模型的细粒度视觉理解 10-24 视觉语言预训练中的合成困难负样本：SNAP 10-08 RGBD20K：大规模 RGB-D 语义分割基准 09-26 FLAT：灵活长度对齐的跨模态表征统一检索与生成 09-17 像素文本表示学习的设计基础与 Pixel Linguist II 09-07 KBMR：面向知识型视觉问答的实体对齐检索 09-07 原生统一多模态模型的理解-生成协同机制 09-03 扩散模型 1 Policy-Mask：扩散特征的预算感知判别适配 10-24 推理效率 2 GUI-JEPA：基于候选条件潜变量的移动端 GUI 智能体快速动作策略 10-29 VisionWeave：弹性视觉表征编织提升 MLLM 推理效率 10-18 数据合成 3 PhotoMOCI：生成式数据增强用于口腔病变分类 09-30 FoMo：以扩散轨迹分岔时刻度量图像感知距离 09-29 InfiNoVA：面向视点不变机器人策略的无限新视角增强 09-24 数据混合 1 合成与真实数据结合的低资源满文历史OCR 09-11 模型训练 2 噪声与长尾下的特征-阈值双校准鲁棒伪标注 09-29 StableVQ：稳定训练向量量化视觉分词器 09-24 测试时训练 2 FogTTA：雾天目标检测的在线测试时适应框架 10-22 仅传频率描述符的智能眼镜部署时适应框架 10-22 潜在表征 1 Scaffolding Minds：优化多模态推理的潜在视觉目标表征 08-21 稠密匹配 1 FreeMatching：超越时空先验的可泛化稠密对应匹配 10-18 红外目标检测 1 合成数据训练热红外无人机检测模型 08-19 统一表征 1 UniSpace：统一视觉表示支持多模态理解、生成与编辑 08-25 缩放定律 1 无视觉编码器多模态预训练的缩放定律 09-30 能力迁移 1 WING：交互中心谱潜在引导的世界行动学习 10-08 视觉归因 1 SSI：多光谱图像的光谱—空间联合归因 10-23 视觉推理 1 VBVR-Pro：可扩展、可验证的原生视觉推理套件 08-27 视觉模型 4 WeVisOne-VL：统一物体级与像素级视觉感知 10-24 FreeMatching：突破时空先验的可泛化稠密对应匹配 10-10 FreeFlow：用于光流估计的无偏分层 Transformer 09-13 Marigold V2：扩散 Transformer 单目深度估计 09-10 评测基准 1 CoHuB：多类人机器人协作仿真基准 09-30 遥感数据增强 1 合成数据增强用于乌克兰战损农田卫星分析 08-18 难度增强 1 DASA：面向语义分割的难度感知自适应数据增强 08-27 预训练 2 像素语言模型的多语言预训练扩展规律 10-22 Brain2Vec：结构脑 MRI 自监督三维基础模型 10-22 风格评测 1 风格还是签名？艺术家隔离的绘画风格分类评测 08-17
