MIT 教授 Sitzmann:传统计算机视觉作为独立学科正在消亡
vincesitzmann · x · 2026-10-22
MIT 助理教授 Vincent Sitzmann 发布长文《The flavor of the bitter lesson for computer vision》，主张传统计算机视觉即将走向终结：
- 核心论点：过去视觉被定义为“图像→中间表示”（分类、分割、3D 重建、光流、跟踪）的映射，但在 Bitter Lesson 时代，这些中间任务与边缘检测一样，只是“寻找可解中间问题”的历史产物，而非通往智能的路径。
- 未来形态：视觉只有在“感知-行动闭环”中才有明确定义；视觉、机器人学习与控制之间的学科边界将消融，前沿研究不再区分“看”与“学会行动”。
- 3D 表示的衰落：正如人们不再手工设计检测特征，他预测具身智能也将不再依赖 3D 作为中间表示。
- 补充观点（thread 后续）：现有算法可推广到真实世界，只需扩大视频模型规模——“我们知道这会奏效，因为它本质上就是生成式建模”；剩余挑战属于学习问题，而非经典意义上的表示问题。
这是一篇对计算机视觉社区路线之争的重量级表态。
「研究」频道最新
- 伯克利等预印本：定期遗忘的 Agent 团队比全量记忆最高好 15% — ombre-ai · 2026-10-22
- DeepMind 联合剑桥：AI 智能体自主发现并 Lean 验证 11 台图灵机新规则 — rohanpaul_ai · 2026-10-22
- 新论文给出分布式训练中外层优化器稳定性的精确判据 — apsarathchandar · 2026-10-22
- Karpathy 开源 AutoResearch：AI 智能体全自动跑科研实验循环 — mdancho84 · 2026-10-22
- MF² 基准登陆 EMNLP 2026：用 850+ 事实/谣言对考 VLM 看懂电影 — andre_t_martins · 2026-10-22
- Gemini 读论文给化学反应排序：产率从 6% 提到 39% — bravo_abad · 2026-10-22