龙章阁 · 龙哥读论文:蓝色东方龙盘绕发光书卷,读懂论文,发现新知。

LONGGE AI RESEARCH DAILY

龙哥读论文

每天筛选值得关注的 AI 论文,用工程视角拆解方法、实验和真正的落地价值。

目前已发表 1811 篇文章

分享网站 微博 X
PaperDaily 数据库收录 论文拆解 13579 篇 研究思路 385 条 AI 资讯 626 条 开源项目 177 个 科研招聘 140 条 学习资料 12 份 热点主题 859 条 论文成功模式 1776 条

视觉与图像

共 793 篇
凭什么说所有安全调度都是CIPS特例?一文看懂统一调度框架
视觉与图像

凭什么说所有安全调度都是CIPS特例?一文看懂统一调度框架

信息从生成到失效,中间能安全用多久?这个问题在自动驾驶、无人机、网络缓存里被各领域分别回答。奥克兰大学的这篇论文给出统一数学答案。它不仅证明现有安全调度策略都是其特例,还在V2V车队与无人机SLAM中把通信与计算干预量分别砍掉99.3%和86%,值得一读。

斯图加特大学:现成CLIP零微调,天生就会预测人类眼动?
视觉与图像

斯图加特大学:现成CLIP零微调,天生就会预测人类眼动?

有句老话叫“所见即所知”,斯图加特大学这篇新作直接把它变成了“所听即所看”:只拿一个现成的CLIP模型做归因,不微调、不标注、不用任何生成架构,就能复现视觉世界实验里经典的预测性眼动——人类听到“eat”还没听到“cake”就把目光移向蛋糕,模型居然也“看”向了同一个地方。

江苏大学ACM MM新作:图像恢复"按需使劲",LPIPS降12.8%
视觉与图像

江苏大学ACM MM新作:图像恢复"按需使劲",LPIPS降12.8%

图像修复这事儿,有点像老小区改造:有的地方墙皮脱落要重刷,有的地方只脏了一小块。可现在的扩散修复模型偏爱"一刀切",全图一样的约束力度、一样的步长节奏,既不省算力还容易把好区域修出问题。江苏大学这篇ACM MM 2026论文,用局部认知不确定性给模型装了一双"会看重点的眼睛",该补的补、该跳的跳,LPIPS平均降12.78%、采样时间省8.42%,还能即插即

巴黎萨克雷大学新设计:绿光腔功率突破200kW,X射线产率刷新纪录!
视觉与图像

巴黎萨克雷大学新设计:绿光腔功率突破200kW,X射线产率刷新纪录!

绿光波段的光学增强腔,此前最高功率仅约4 kW,红外却已做到500 kW以上。这篇来自巴黎萨克雷大学的论文,用一套三步设计法直接把515 nm腔的规划功率拉到200 kW,X射线光子率冲上10^12量级,红外模式下更是给出10^13的全球新纪录。方法不炫技,但每一步都踩在工程痛点上,值得细读。

西北工业大学最新研究:图像超分和文字预测一个模型搞定,速度比DiffTSR快101倍
视觉与图像

西北工业大学最新研究:图像超分和文字预测一个模型搞定,速度比DiffTSR快101倍

场景文本超分是OCR落地硬骨头——图要修得漂亮,字还得认得准。西北工业大学等机构提出的DualTSR把图像生成和文字预测塞进同一个Transformer,训练时同步加噪、推理时互相引导,把DifTSR参数量砍掉六倍、速度快一百倍,识别率反而大涨12.78个百分点。一个字:值。

清华AIR最新研究:视频扩散模型做规划不用跑完,170ms就够?
视觉与图像

清华AIR最新研究:视频扩散模型做规划不用跑完,170ms就够?

视频扩散模型做驾驶规划,一定要把未来视频全部生成完吗?清华AIR这篇工作给出了否定的答案:中间层特征已经足够解码出好轨迹。它给六个中间层装上"提前出口",配一个轻量质量打分器,分数够了就立刻刹车返回,平均端到端延迟只有170毫秒,比全深度规划省下47%的时间,数值还更高。把视频生成的成本巧妙避开了,这个思路在同类工作里相当眼前一亮。

最新SOTA攻击:SAM3概念分割被一招打崩,Mask AP暴跌40.7
视觉与图像

最新SOTA攻击:SAM3概念分割被一招打崩,Mask AP暴跌40.7

SAM3把分割从“几何抠图”进化成了“概念理解”,可越聪明的东西往往越怕被人抓住命门。这篇来自中科大、江南大学等团队的工作,首次为SAM3量身定制了跨概念通用对抗攻击UCD,一张扰动让五个数据集平均Mask AP从59.43直接被干到18.73,还顺手迁移到了SAM3.1和视频推理。AI安全方向的硬核活,值得好好拆解。

CVPR 2026浙大新作:2万对物理真实模糊数据,局部去模糊SOTA
视觉与图像

CVPR 2026浙大新作:2万对物理真实模糊数据,局部去模糊SOTA

拍跑步的人、旋转的车轮,结果只有物体糊背景清晰——这就是局部运动模糊。过往数据集要么合成失真、要么采集昂贵且对不齐。浙大这篇CVPR 2026工作用工业相机物理级还原曝光过程,搞出2万+真实配对数据,训练出的模型在ReLoBlur真实场景上照样能打,这活儿干得漂亮。

8K不够看?8K全景相机+4K云台拼出24K远程呈现,老板再也不用眯眼看PPT了
视觉与图像

8K不够看?8K全景相机+4K云台拼出24K远程呈现,老板再也不用眯眼看PPT了

24K沉浸感,听起来有没有很刺激?这篇论文巧妙借助静态场景的稳定性,用“8K全景相机+4K云台相机”的搭配,把静态360度远程呈现的有效分辨率提升到了24K水平,还顺手做了一个用户实验来验证体验提升。VR远程协作、远程巡检、沉浸式教学都可能被这波操作刷新上限。

LONGGE AI COMMUNITY

把每天读到的论文,变成长期积累

加入「龙哥读论文」知识星球,持续获取 AI 论文、资讯、开源项目、招聘与研究思路。

加入龙哥读论文微信群:添加微信 kangjinlonghelper,备注“研究方向 + 地点 + 学校/公司 + 昵称”。

龙哥读论文知识星球二维码 微信扫码加入知识星球