来源：西湖机器人 文章链接：https://mp.weixin.qq.com/s/FJh__9hEIzArZXuGCWV9-w进入2026年，具身智能的竞争重心已转向底层模型的通用性与持续进化能力。 VLA（视觉-语言-动作，Vision-Language-Action）模型被视为通往通用具身智能最有希望的技术路线之一。但VLA要从实验室走向规模化应用，还需要回答两个核心问题： ● 理解任务...

来源：佛山大学电子信息工程学院 文章链接：https://mp.weixin.qq.com/s/8__oAj4NsznfnwweeKKOag 近日，电子信息工程学院视觉感知与智能信息处理团队牛菓博士作为第一作者，佛山大学为第一署名单位的学术论文《Efficient Training with Foresight: Multi-Token Auxiliary Supervision for A...

来源：SV4Good AI Lab 文章链接：https://mp.weixin.qq.com/s/3Jx-5RFuxCYANIP8lSCgLQ 引言 Sora、Kling 等文生音视频模型，能画出逼真画面、配上同步声音，但真的懂声学物理吗？吹空瓶子 vs 吹装水瓶子、敲木头 vs 敲金属，模型能生成符合物理规律的声音吗？本文介绍由香港科技大学（广州）× 腾讯的重磅工作 ——PhyAVBen...

来源：AI TIME 论道 文章链接：https://mp.weixin.qq.com/s/BmqJdhzVDwQ2HO0f64NRJg 解读、编辑｜张意梅 审核 | 蒲诗瑶本文内容基于公开论文资料整理，相关研究成果版权归原作者及所属机构所有。我们尊重每一位研究者的原创贡献，如有任何建议或权益相关问题，欢迎联系我们，我们将及时沟通处理。 ACM MM 2026 论文题目：OASIS: Occ...

来源：STRUCTatP 文章链接：https://mp.weixin.qq.com/s/4WPh0X2CgEWNeFRH28N-NA 当超分辨率模型把一张模糊的小图变得清晰锐利时，我们该如何判断它是真的“恢复”了图像细节，还是只是生成了看似真实的错误纹理？ 长期以来，超分辨率图像质量评价面临着一个两难问题：全参考指标需要真实高清图像，并且容易惩罚合理但未对齐的生成细节；无参考指标虽然不依赖...

来源 来源：chal1ce文章链接：https://mp.weixin.qq.com/s/B6UWrSfxCRTg-MP92EVBzg 今日碎碎念 图片改坏了，到底该怪谁？dars让规划器和生成器分别背对的锅 复杂图像编辑通常由两个模型接力完成：视觉语言模型先制定计划，扩散模型再执行。但当最终图片失败时，一个总分并不能告诉我们究竟是谁出了错。dars把这个问题重新定义为“双层信用分配”，让训...

来源：隐者联盟 文章链接：https://mp.weixin.qq.com/s/DXXPusvBcfk1thLtuimjtA 换脸技术被恶意滥用，带来人脸身份隐私泄露的现实风险，如何从被篡改图片还原出原始人脸，是多媒体取证方向亟待解决的问题。现有的恢复方法大多直接在像素层嵌入身份信息，很容易被局部篡改、多次传输带来的复合退化破坏，还会留下能够被检测到的统计特征。针对这些不足，论文提出 GIE...

来源：多模态信息融合 文章链接：https://mp.weixin.qq.com/s/X3SPTbVUlwPIEWRWfBSb9QShift-IISR·红外超分辨率 可见光先验，红外又该如何适配呢？ 一张低分辨率的红外图片，想要恢复出清晰的结构来，但是却因为可见光扩散模型而被补出了“不属于红外”的纹理。北科大Shift-IISR不重训整个扩散骨干，而是在两条引导路径上分别纠正全局模态分布和局...

来源：隐者联盟 文章链接：https://mp.weixin.qq.com/s/iCDO4BxLXLDk9BXH1ZRgFw 方法介绍 扩散模型的快速发展使换脸技术普及化，但也引发隐私和身份安全问题。现有的主动防御方法在扩散换脸的场景下防御效果有限。本文提出一种系统性防御方法VoidFace，该方法将换脸视为一个耦合的身份路径，通过在关键瓶颈处注入扰动，可在整个换脸管道中引发级联式破坏。具体...

来源：成电DMLab文章链接：https://mp.weixin.qq.com/s/RPG5-RxizzddXtb7KpJTRw近日，电子科技大学计算机科学与工程学院（网络空间安全学院）数据挖掘实验室（DMLab）的论文“The Geometry of Compromise: Unlocking Generative Capabilities via Controllable Modalit...