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：测绘遥感工程信息全国重点实验室 文章链接：https://mp.weixin.qq.com/s/_t2G7nrPm_OZDapxjfnNUA 近期，武汉大学测绘遥感信息工程全国重点实验室涂志刚教授课题组，在多模态大模型驱动的视觉行为理解领域取得多项关键研究成果。（1）在 CCF-A类会议ACM MM 2026 的微动作分析挑战赛（Micro-Action Analysis Grand ...

来源：多模态信息融合 文章链接：https://mp.weixin.qq.com/s/_BBmHCa8DMXBF1TBuUneng ACM MM 2026 · IMAGE FUSIONSGPDFuse：先解耦再做多模态融合 物理解耦融合，并不是简单的把两张图融在一起最难的就是：让模型能够识别哪些是场景本身，哪些只是环境干扰？SGPDFuse 使用DINOv3进行语义先估计“变化因素”再只融合...

来源：IPIU智能感知与图像理解 文章链接：https://mp.weixin.qq.com/s/s8tnN2ynJFjmB-UsQXhknA近日，计算机图形学与多媒体领域顶级会议ACM International Conference on Multimedia（ACM MM 2026）公布了论文接收结果，实验室共有18篇论文被ACM MM 2026录用，第一作者分别是郝泽华博士生（导师：...

来源：工业AI眼 文章链接：https://mp.weixin.qq.com/s/xyZ6eUfkYpZkJW6jGgKA-A 在工业智能制造的质检场景中，仅依靠 RGB 图像（类似我们日常拍的照片）来检测产品缺陷，往往容易漏掉那些三维的、几何结构上的细微瑕疵。因此，多模态异常检测（MAD） 应运而生——它通过融合 RGB 图像和深度图像（包含物体几何信息），试图让 AI 质检员“既看清颜色...

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：云知声 原文链接：https://mp.weixin.qq.com/s/7_p7fUTQxPI0LT4cvnw8UA 近日，ACM Multimedia 2026 多项国际挑战赛公布最终成绩。由中国科学技术大学信息学院自动化系於俊老师带队，云知声与中国科学技术大学联合组成的研究团队从全球众多参赛队伍中脱颖而出，在多个多模态智能理解相关挑战赛中取得优异成绩，斩获四项冠军、一项亚军。 其中...

来源：多模态信息融合 原文链接：https://mp.weixin.qq.com/s/ZUW21bMP5GzsBQ-ckCmEqw 城市规划、环境监测、灾害救援等都需要高质量的遥感影像来支撑。但是卫星传感器的物理极限使得“看得更清楚”成为了一个难题。多年来，该题目有两种解法——多帧超分(MFSR)和全色锐化(PanSharpening)，它们各有优势也有各自的局限性，但是长期以来一直被分开来...

来源：武汉传媒学院 原文链接：https://mp.weixin.qq.com/s/WjzESur5UIaZ9A5QxFATYw近日，武汉传媒学院智能科学与工程学院科研工作再传喜讯！学院教师参与完成的两项人工智能研究成果，双双被国际多媒体领域重要学术会议ACM Multimedia 2026录用。 两项成果均聚焦当前备受关注的AIGC智能创作领域，分别在AI自动故事书创作和AI多角色绘画优化...

来源：深圳北理莫斯科大学原文链接：https://mp.weixin.qq.com/s/4Fpn7vfnc6ozCuHKkm81深北莫工程系本科生一作论被计算机领域顶会ACM MM 2026录用近日，国际多媒体领域顶级会议ACM International Conference on Multimedia（ACM MM 2026）公布了论文录用结果。深圳北理莫斯科大学工程系陈昌盛教授团队的论...