《视觉通用智能》白皮书作者将做客 Video Model Journal Club 深度解读
HirokatuKataoka · x · 2026-09-18
Video Model Journal Club 定于 9 月 18 日 7:30 PM PT 举行期刊俱乐部活动,由筑波大学硕士生、日本产业技术综合研究所(AIST)研究助理 Kohsuke Ide 主讲,解读其合著的《Visual General Intelligence: A White Paper》,与片冈裕雄等学者合作。
演讲核心问题:哪些视觉差异应该改变模型的回答、哪些不应该?他将结合两组具体研究讨论——3D 物体关系的学习、视觉语言模型中依赖颜色的判断,说明细粒度几何的重要性以及同一文本不同呈现方式的影响;并延伸到「视觉通用智能」的核心问题:如何从视觉经验中获取知识并迁移到新任务。最后他提出一个研究展望:当当前观察不充分时,系统能否学会通过观察与交互主动获取有用证据,且这些「寻找答案的方式」能否迁移到陌生情境。
「研究」频道最新
- AMP 提出把机器人操控化为像素分类，绕开动作空间爆炸 — jiqizhixin · 2026-09-18
- PWNN 论文:神经网络变身「费电电路」远程注入故障窃取 AES 密钥 — chaumian · 2026-09-18
- 纯视觉自驾车挑战比利牛斯山路:从模块化架构聊起的实战回顾 — abursuc · 2026-09-18
- ACE-Data-0 上线首月下载近 12 万:1700 万帧多模态具身数据集 — liuziwei7 · 2026-09-18
- 李飞飞:5.4 亿年视觉演化驱动了智能的诞生 — rohanpaul_ai · 2026-09-18
- 学者吐槽顶会禁改论文标题，呼吁改变学术论文接受后文化 — tianyin_xu · 2026-09-18