CoovallyAIHub

外科医生离手术世界模型还有多远？首次提出SurgVeo基准，揭示AI生成手术视频的惊人差距 近年来，视频生成领域的基石模型展现出作为潜在“世界模型”模拟物理世界的惊人能力。谷歌的Veo等模型已经能够生

近日，由Yann LeCun、李飞飞、Rob Fergus等AI领域顶级学者共同署名的论文《Cambrian-S: Towards Spatial Supersensing in Video》首次系统

一篇来自清华大学和北京大学的最新研究，它给热门的Vision Transformer（ViT）带来了一次相当漂亮的“线性提速”。 这篇被NeurIPS 2025录用的论文，标题为 《Linear Di

计算机视觉是一个分析图像和视频的广阔领域。虽然很多人一听到计算机视觉，首先想到的通常是机器学习模型，但实际上，还有很多其他现有算法，在某些情况下，它们表现得比人工智能还要好！ 在计算机视觉中，特征检测

在现代化的草莓育苗工厂中，一排排整齐的穴盘里孕育着成千上万的草莓幼苗。然而，一个长期困扰农户的难题是：如何快速准确地识别出哪些穴孔缺苗、哪些幼苗生长不良？ 传统的解决方式主要依赖人工肉眼识别，效率低下

近年来，人工智能（尤其是计算机视觉）技术快速发展，广泛应用于安防、金融、医疗、自动驾驶等领域。然而，数据偏见问题一直如影随形，制约着AI系统的公平性与可信度。 你是否曾想过，训练AI的图像数据是否真正

在人工智能迅猛发展的今天，多模态大模型已经展现出令人惊叹的图像编辑能力。然而，在专业性极强的医学影像领域，AI编辑的研究却一直受限于高质量、大规模、可公开访问数据集的缺失。 医学影像编辑不仅要求视觉效

全景相机能够捕捉360°完整环境信息，在自动驾驶、机器人导航等领域有着广泛应用。然而，这种超广视野也给多目标跟踪（MOT）带来了前所未有的挑战：严重的图像畸变、分辨率不均匀、目标在画面边缘频繁切换导致

就在前不久DeepSeekOCR开源发布，大家在感叹其体积和速度的时候，LightOnOCR又给我们带来全新的效果，这款全新的视觉语言模型正在重新定义机器阅读和理解商业信息的方式。 LightOnOC