電腦視覺

2026年微信小程序開發大賽於近日在WAIC（世界人工智能大會）上正式宣布啟動，本屆賽事以「與AI共生」為核心主題，旨在鼓勵開發者將人工智能技術深度融入小程序生態，探索人機協作的新應用場景。隨著AI技術持續滲透日常生活，微信團隊期望透過這場競賽，激發更多創新思維，讓小程序不僅成為工具，更能成為用戶與AI互動的智慧節點。

首頁 > 智能時代>人工智能 谷歌 DeepMind 發佈 GenCeption：基於阿里 Wan2.1，打破計算機視覺桎梏 2026/7/21 15:00:10 來源：IT之家 作者：故淵 責編：故淵 評論： IT之家 7 月 21 日消息，科技媒體 The Decoder 昨日（7 月 20 日）發佈博文，報道稱谷歌 DeepMind 發佈 GenCeption 模型，將預訓練的視頻生成器重新用於深度估計和分割等經典計算機視覺任務。

AI資訊AI新閒資訊正文​打破專用模型桎梏！谷歌 DeepMind 發佈 GenCeption，一個 AI 搞定五大視覺任務發布於AI新閒資訊時間 :Jul 21, 2026閱讀 :1分鐘谷歌 DeepMind 團隊近日推出了全新的 GenCeption 模型，嘗試將傳統的視頻生成 AI 逆向改造成能夠深度理解現實世界的視覺分析引擎。

AI資訊AI新閒資訊正文Google DeepMind發佈GenCeption:基於視頻生成模型實現多項計算機視覺突破發布於AI新閒資訊時間 :Jul 20, 2026閱讀 :1分鐘Google DeepMind近日發佈新模型GenCeption，該模型基於預訓練視頻生成模型構建，用於解決深度估計、圖像分割、3D姿態估計等經典計算機視覺任務，並在多項基準測試中達到接近或超過當前領先水平。

國內視覺AI領域的龍頭企業，近日正式開源一款全新模型，此舉被業界視為終結「縫合怪」時代的關鍵信號。所謂「縫合怪」，過去常被用來形容那些為了快速上線而雜湊多種不相關技術、甚至混入安全判斷或思考模板的模型，導致核心視覺能力不純、難以真正落地。這家國產大廠選擇以開源方式推出純粹的視覺模型，意在宣告此類拼湊式開發已走到盡頭。

AI資訊AI新閒資訊正文Meta被曝研發全天候AI眼鏡：支持超級感知與無感音視頻捕捉發布於AI新閒資訊時間 :Jul 9, 2026閱讀 :1分鐘據《金融時報》報道，Meta正研發一款具備全天候多模態感知能力的智能眼鏡原型機。該設備支持“超級感知”模式，能夠以“每隔幾秒”的頻率連續錄製音頻並拍攝照片，用戶可通過Meta AI對捕捉到的音視頻內容進行即時提問與交互。

AI資訊AI新閒資訊正文具身智能新突破：螞蟻集團開源LingBot-Vision，讓機器人擁有“空間感”發布於AI新閒資訊時間 :Jul 8, 2026閱讀 :1分鐘在具身智能領域，如何讓機器人像人類一樣精準感知物理空間，一直是一個核心難題。近日，螞蟻集團旗下的具身智能公司Robbyant正式開源了LingBot-Vision模型家族。

機器人前瞻（公眾號：robot_pro） 作者 | 李水青 編輯 | 漠影 機器人前瞻7月7日報道，今日，螞蟻靈波同時丟出兩顆“炸彈”：正式發佈空間感知模型LingBot-Depth 2.0，並同步開源其自研的視覺基座模型LingBot-Vision。一套從機器人視覺表徵底層到深度感知能力的完整技術方案的首次集中亮相。 ▲螞蟻靈波發文（圖源：社交媒體X） LingBot-Depth 2.

response: 杭州團隊在CVPR 2026熱門方向上取得突破，繼VLM-R1之後，推出了全球首個端側流式多模態模型。這項進展讓該技術率先在終端設備上實現應用。相關成果展現了端側AI領域的最新發展動向。</think>: 杭州團隊在CVPR 2026熱門方向上取得突破，繼VLM-R1之後，推出了全球首個端側流式多模態模型。這項進展讓該技術率先在終端設備上實現應用。相關成果展現了端側AI領域的最新發展動向。 response: 杭州團隊在CVPR 2026熱門方向上取得突破，繼VLM-R1之後，推出了全球首個端側流式多模態模型。這項進展讓該技術率先在終端設備上實現應用。相關成果展現了端側AI領域的最新發展動向。

PP-OCRv6 是 PaddleOCR 最新一代通用 OCR 模型系列，專為真實世界的文字檢測與識別而設計，適用於文件、螢幕截圖、多語言影像、數位顯示等場景。您可先在線評估 PP-OCRv6，再透過 PaddlePaddle、Transformers 或 ONNX Runtime 後端整合輕量且生產就緒的 OCR 功能。

亞馬遜近期升級其購物應用，強化視覺搜索和智能交互能力，幫助消費者在海量商品中高效鎖定目標。這得益於對視覺識別技術的持續投入，2024年推出的Amazon Lens功能允許用戶通過圖片搜索，並結合文本進一步精準篩選商品。

xAI旗下AI編碼工具Grok Build發佈0.2.7版本，重點優化用戶管理與多代理協作體驗，提升圖像處理能力和跨平臺易用性。新增/usage命令支持終端內查看用量和配額，/login功能簡化登錄認證與賬號切換，為開發者提供更流暢的本地編碼工作流。

美國阿貢國家實驗室近期發表一款名為 CVEvolve 的系統，主打「零代碼」自主發現科學圖像處理算法。這項工具具備從撰寫程式碼、驗證結果到優化策略的全棧能力，目標是讓研究者無需手動編程即可解決複雜影像問題。 科學圖像處理向來依賴專業知識與反覆調參，尤其在顯微影像、天體觀測等領域，手動找出最佳演算法相當耗時。CVEvolve 自動探索演算法的設計模式，有望大幅降低這類工作的技術門檻。