CoovallyAIHub

无需改变架构，仅通过创新训练策略，就让视觉语言模型具备了与专业视觉模型相媲美的三维感知能力 在多模态人工智能蓬勃发展的今天，一项突破性研究正悄然改写我们对视觉语言模型的认知边界。Meta公司高级研究员

今天凌晨，在夏威夷举行的国际计算机视觉大会ICCV 2025揭晓了本届会议的最佳论文等奖项。全球计算机视觉三大顶会之一的ICCV今年共收到11239份有效投稿，最终录用2699篇论文，录用率为24%。

把目标检测变成“下一个点预测”，用2200万数据+强化学习解决行业难题 目标检测技术正在迎来一场范式革命！传统方法如YOLO、DETR依赖复杂的坐标回归，而IDEA（粤港澳大湾区数字经济研究院）研究院

就在百度刚刚发布PaddleOCR-VL，以0.9B参数量重新定义文档解析效率之际，DeepSeek也正式开源了其颠覆性的DeepSeek-OCR模型。不过，它的野心远不止于“识别”，而是直指大模型处

AI不再只是屏幕后的代码，它正在长出“眼睛”和“手脚”，走进我们的世界。 全球科技巨头和顶尖实验室，如今都在疯狂追逐同一个圣杯——具身智能。这不仅是学术热点，更是一场关乎科技竞争力与未来产业主导权的战

开源16小时就登顶HuggingFace Trending全球第一！ 前不久，小编刚刚介绍了PaddleOCR开源最强OCR生态，不靠参数靠实力，56K+ Star见证实力（附开源地址），然而就在17

线性时间推理、超长文本处理、硬件高效利用，这条“算法巨蟒”正在悄然蜕变。 在AI领域，Transformer架构自2017年确立统治地位以来，各类“Transformer杀手”就如雨后春笋般涌现。在众

将前端跟踪与后端优化统一在一个模型中，实现实时、高一致性的视觉SLAM 在机器人感知领域，同时定位与地图构建（Simultaneous Localization and Mapping，SLAM）技术

近日，人工智能公司Thinking Machines发布了名为Tinker的创新API服务，该服务旨在彻底改变开发人员微调开放权重语言模型的方式。对于那些苦于基础设施管理复杂性的AI研究团队来说，这无