AAAI 2026
AAAI 2026 新加坡在吗？中国电信 TeleAI 邀你晚宴
AAAI 2026 | 小鹏联合北大，专为VLA模型定制视觉token剪枝方法，让端到端自动驾驶更高效
VLA 模型正被越来越多地应用于端到端自动驾驶系统中。 然而，VLA 模型中冗长的视觉 token 极大地增加了计算成本。 但现有的视觉 token 剪枝方法都不是专为自动驾驶设计的，在自动驾驶场景中都具有局限性。
AAAI 2026 Oral｜LENS：基于统一强化推理的分割大模型
文本提示图像分割（Text-prompted image segmentation）是实现精细化视觉理解的关键技术，在人机交互、具身智能及机器人等前沿领域具有重大的战略意义。 这项技术使机器能够根据自然语言指令，在复杂的视觉场景中定位并分割出任意目标。 然而，当前主流的技术路径，如基于监督式微调（Supervised Fine-Tuning, SFT）的方法，正面临着根本性的瓶颈。
56倍加速生成式策略：西交大提出EfficientFlow，迈向高效具身智能
本文共同第一作者为西安交通大学硕士生常建磊和博士生梅若风。 柯炜为西安交通大学副教授。 论文通讯作者为西安交通大学教授许翔宇，其研究方向涵盖三维视觉、生成式 AI 与具身智能（个人主页：）。
让扩散模型「可解释」不再降质，开启图片编辑新思路
过去三年，扩散模型席卷图像生成领域。 以 DiT (Diffusion Transformer) 为代表的新一代架构不断刷新图像质量的极限，让模型愈发接近真实世界的视觉规律。 然而，与 LLM 可解释性研究的蓬勃发展相对，扩散模型内部的语义结构、时间规律以及因果路径仍然像被深深封住的「黑箱」。
AAAI 2026｜视频大语言模型到底可不可信？23款主流模型全面测评来了
近年来，视频大语言模型在理解动态视觉信息方面展现出强大能力，成为处理真实世界多模态数据的重要基础模型。 然而，它们在真实性、安全性、公平性、鲁棒性和隐私保护等方面仍面临严峻挑战。 为此，合肥工业大学研究团队携手清华大学研究团队推出了首个面向视频大语言模型的综合可信度评测基准 Trust-videoLLMs。
AAAI 2026 | 革新电影配音工业流程：AI首次学会「导演-演员」配音协作模式
你是否也觉得，AI 配音的语调总是差了那么点 “人情味”？ 它能把台词念得字正腔圆，口型分秒不差，但角色的喜怒哀乐却总是难以触及灵魂深处。 问题出在哪里？
AAAI 2026｜教会视频扩散模型「理解科学现象」：从初始帧生成整个物理演化
近年来，Stable Diffusion、CogVideoX 等视频生成模型在自然场景中表现惊艳，但面对科学现象 —— 如流体模拟或气象过程 —— 却常常 “乱画”：如下视频所示，生成的流体很容易产生违背物理直觉的现象，比如气旋逆向旋转或整体平移等等。 上述问题的根源在于，这些模型缺乏对科学规律的内在理解。 它们学习到的只是像素分布，而非支配这些分布的动力学方程。
AAAI 2026 | 教会视频扩散模型「理解科学现象」：从初始帧生成整个物理演化
作者 | 论文团队编辑 | ScienceAI近年来，Stable Diffusion、CogVideoX 等视频生成模型在自然场景中表现惊艳，但面对科学现象 —— 如流体模拟或气象过程 —— 却常常「乱画」：如图一所示，生成的流体很容易产生违背物理直觉的现象，比如气旋逆向旋转或整体平移等等。 上述问题的根源在于，这些模型缺乏对科学规律的内在理解。 它们学习到的只是像素分布，而非支配这些分布的动力学方程。
资讯热榜
标签云
AI
人工智能
OpenAI
AIGC
模型
ChatGPT
谷歌
DeepSeek
AI新词
AI绘画
大模型
机器人
数据
Midjourney
开源
Meta
微软
智能
用户
GPT
学习
英伟达
Gemini
智能体
技术
马斯克
Anthropic
图像
AI创作
训练
LLM
论文
AI for Science
代码
腾讯
苹果
算法
Agent
Claude
芯片
具身智能
Stable Diffusion
xAI
蛋白质
人形机器人
开发者
生成式
神经网络
机器学习
AI视频
3D
字节跳动
大语言模型
RAG
Sora
百度
研究
GPU
生成
华为
工具
AGI
计算
生成式AI
AI设计
大型语言模型
搜索
亚马逊
AI模型
视频生成
特斯拉
DeepMind
场景
Copilot
深度学习
Transformer
架构
MCP
编程
视觉