谷歌提出可提示视线估计新范式，支持文本与视觉提示
google · hf · 2026-08-14
谷歌在 Hugging Face 发布了 Gaze Target Estimation Anywhere with Concepts。
这是一种全新的可提示范式，将主体定位与视线估计集成于端到端的 Transformer 模型中。该模型无需多阶段处理流水线，可直接通过文本或视觉提示来识别目标主体并预测其视线落点。
「研究」频道最新
- SWE-Duel:让编码 agent 互相出题埋 bug 的抗污染竞技场 — Consistent_Fox_2990 · 2026-10-16
- 实测：去掉上下文条件化后，图像条件在视频生成中反而更强 — pixlpa · 2026-10-16
- 研究者吐槽：不少论文改动一堆，基线连行为克隆都不如 — retr0jirachi · 2026-10-16
- FrankenSim 用物理建模造虚拟管弦乐团，钢琴和鼓 demo 已上线 — doodlestein · 2026-10-16
- FoveaVLA 用学习式注视动作替代腕部相机,成功率升至 70.8% — Haoyu_Xiong_ · 2026-10-16
- ApolloPFN:原生融合外生变量的零样本时间序列预测网络 — burkov · 2026-10-16