ICASSP 2026新作：场景驱动Hadamard排序，30%采样也能稳拿高质量光谱图
单像素光谱成像最怕“拍得慢还拍不准”。这篇论文的思路很直接：先拍一点点，再让模型决定后面该拍哪些 Hadamard 模式，结果在仿真和近红外实拍里都比固定排序更稳。
标签：AI应用
共 451 篇
上海AI实验室等开源视频深度估计新模型！从游戏里抓出6M帧合成数据，效果效果优于所有生成式方法
如果有一项技术能从你的手机视频中提取出世界的3D结构，像人眼一样感知景深，你会用它做什么？上海AI实验室联合浙大、悉尼大学，最近放了一个大招：Depth Any Video。这个模型直接在Stable Video Diffusion上「开刀」，并靠着从游戏世界收集来的600万帧高质量深度数据，实现了视频深度估计的时空一致性全面飞跃。效果拉满，看了演示gif保
USTC新方法：视频遗忘不改模型也能做
这篇论文最有意思的地方，不是“删掉了什么”，而是“删掉之后还能不能把视频保住”。SIRUS把遗忘、保真、质量、鲁棒性和效率拆开测，终于不再让概念擦除只靠一张嘴说服人。
0.8B端到端文档解析SOTA：OvisOCR2怎么做到的
阿里这次没玩虚的，直接把文档解析从“流水线拼装”拉到“端到端一把梭”。0.8B 小模型能在公开榜单上登顶，关键不在嘴上说模型小，而在数据引擎和训练 recipe 真把小模型喂明白了。
低信噪比下反超MVDR！这篇论文把语音增强改成了“看输出”
这篇论文最有意思的地方，不是又造了一个波束成形器，而是把“选参数”这件事倒过来了：不先盯输入信号，而是先看输出好不好，再决定用哪个候选方案。对低信噪比和麦克风统计失真的场景，这个思路很实在。
NVIDIA+Stanford新作RoboTTT：8K上下文让机器人长记性
机器人策略最烦的不是“不会动”，而是“记不住”。这篇把测试时训练塞进机器人基础模型里，直接把上下文拉到8K步，还顺手做出单次视频模仿和在线改进，思路很硬。
6G卫星语义通信新框架：VAE把带宽压到98.17%
这篇论文把“自动驾驶需要传什么”这件事说得很直白：别再傻乎乎传整张图了，直接传任务相关语义。更有意思的是，它不是只做压缩，还把重建和分类一起训练，顺手把卫星链路下的低信噪比问题也一起收拾了。
Apple Research新方法：不用教师也能提升代码模型
这篇论文最狠的地方，不是把代码模型调高了几个点，而是它几乎没加任何“外挂”：不要验证器，不要教师模型，不要强化学习，只靠模型自己的原始输出就能涨分。更有意思的是，提升还主要落在更难题上，说明它不是在“刷题套路”，而是在改模型分布本身。
Hough-SIFT来了：线性场景里让SIFT不再“失明”
这篇论文抓住了一个很工程、也很扎心的问题：SIFT在普通场景里挺能打，一碰到百叶窗、栅栏这类线性结构就容易“眼神失焦”。Hough-SIFT的思路很直接——先把图像搬到Hough空间，再让SIFT去那里找线索。
2026新方法：图像理解+生成一体化，采样步数越多越强
这篇论文最有意思的点，不是又堆了一个多模态采样器，而是把“图文互相打架”这件事变成了可修正的过程。文本和图像不再各写各的，而是在同一次去噪里边想边改，挺像老师边讲边在黑板上补笔。
阿里Wan-Streamer新解：视频就是世界加事件流
这篇论文最有意思的地方，不是又堆了一个更大的流式模型，而是把“视频”重新解释成了“世界 + 事件流”。这个视角一换，预训练目标、交互形式、行为控制，全都顺了。
1个参数算出1万核半径？这篇论文把束缚能用活了
束缚能和原子核半径，表面上是两件事，实际上讲的是同一个核系统的“身体”和“体重”。这篇论文最有意思的地方，不是把公式写得更花，而是用1个参数把全球半径趋势和局部结构一起兜住了。
