语音 AI 的模型越来越多——ASR 有 Deepgram、Whisper，LLM 有 GPT、Claude、Gemini，TTS 有 ElevenLabs、A...

大型光伏电站中，一块面板出现热斑或裂纹，肉眼难以在数千块面板中定位它。无人机搭载热红外相机的巡检方案已成为行业标配，但拍下来的热图交给哪个检测模型更合适？YOL...

虽然文本到图像的生成技术正在迅速发展，但这些AI模型大多以英语为中心。这加剧了非英语使用者的数字不平等。阿姆斯特丹大学理学院的研究人员创建了NeoBabel，一...

通过将光和密度场表示为基函数的加权和（其权重随时间变化），改进了运动捕捉、纹理和光照效果。

多模态大模型（MLLM）在医学影像诊断上有一个根本性矛盾：它们能"看"图像、能"说"结论，但做不好临床诊断中最关键的一步——定量分析。测量杯盘比、计算射血分数、...

文档 OCR 领域正在经历一场参数量军备竞赛——Qwen3-VL 用 235B 参数拿到 89 分，Gemini-3 Pro 拿到 90 分。但 OmniDoc...

中文语音识别的开源方案越来越多，但它们不在同一个层面上——有的是模型，有的是工具包，有的是部署运行时。直接把它们摊在一张表里比"谁更好"，容易越看越糊涂。本文把...

随着共享出行行业的规范化发展，网约车平台对车辆合规性的审核需求日益严苛。《网络预约出租汽车运输证》（以下简称“运输证”）作为车辆合法运营的核心凭证，其信息的自动...

获奖者来自八个国家的30多所大学。获奖者将能够访问某机构公共数据集，以及某机构云服务的AI/ML服务和工具。

语音识别（ASR）是人工智能落地最广泛的方向之一，但学术界的前沿模型与工业界的实际部署之间一直存在距离。

实时目标检测长期由 YOLO 系列主导，Transformer 架构因推理速度劣势一直难以进入实时场景。

在提交至2025年计算机视觉与模式识别会议（CVPR）的论文中，介绍了一种能跨多样化数据集和任务进行扩展的图像分割新方法。传统的分割模型在孤立任务上效果显著，但...

路面病害检测领域长期缺乏统一的大规模基准数据集，各研究使用不同数据源、标注格式和类别定义，导致模型间难以直接比较。

将 LLM 智能体框架应用于无人机物理巡检是一个新兴方向，但不同推理方法在实际任务中的表现差异尚不清楚。

风电叶片在恶劣天气下易受损，需定期巡检。传统方式依赖人工操作，效率低且存在安全风险；现有无人机自动巡检方案则面临两个难题——叶片停止角度估计易受背景干扰，拍摄过...