#视觉智能体

共 3 篇相关文章

深度解析计算机视觉四大前沿议题：扩散模型概念保护与图像编辑防护、真实世界CV系统构建、从像素到行星的科学AI，以及视觉智能体为何在多步骤任务中失败。涵盖数据中心式AI、世界模型等核心技术。

一位攀岩爱好者利用VLM视觉大模型、ViTPose+和RT-DETR三大AI模型，打造了抱石攀岩动作分析工具。无需训练专用模型，仅通过自然语言提示即可实现岩点分割、姿态估计和攀爬路径可视化，展示了AI辅助运动训练的全新可能。

月之暗面正式发布Kimi K3，2.8万亿参数、100万上下文、原生多模态开源模型。凭借KDA架构创新与超低成本，在编程、知识工作等基准测试中媲美GPT-5.6与Fable 5，重新定义AI竞赛性价比。