DROA-CLIPSeg:低光照条件下的提示引导薄裂缝分割
针对低光照路面裂缝分割中对比度降低、阴影及眩光等干扰问题,本文提出参数高效框架 DROA-CLIPSeg。该方法通过注入 QKV 低秩适应模块优化视觉文本对齐,并利用域残差正交适配器分解特征以保留微弱断裂证据。
针对低光照路面裂缝分割中对比度降低、阴影及眩光等干扰问题,本文提出参数高效框架 DROA-CLIPSeg。该方法通过注入 QKV 低秩适应模块优化视觉文本对齐,并利用域残差正交适配器分解特征以保留微弱断裂证据。
针对通用分割器速度慢与 watershed 检测器精度低的问题,本文提出 SWIFT-Cell(SWIFT),这是一个仅用 CPSAM 掩码训练的 0.63M 参数 U-Net。
OMRON Corp. 同意以 6.75 亿美元全资收购 OnLogic,预计于 2027 年 1 月完成交易并获监管批准。OnLogic 将保留其品牌、独立运营及全球办公地点,继续提供面向物联网边缘的可靠计算平台。此次收购旨在结合 OMRON 在控制、机器人和安全领域的经验与 OnLogic 的可配置计算能力,帮助客户在复杂环境中部署物理 AI,优化制造流程。
GenICam 机器视觉标准由欧洲机器视觉协会(EMVA)维护并于 2006 年推出,旨在实现跨接口和制造商的相机标准化配置。在斯图加特 VISION 展会上,业界专家强调该标准显著降低了视觉系统的开发、集成及适配成本。受欧盟网络弹性法案(CRA)影响,GenICam 参考库的技术团队正积极制定解决方案,确保其在 2027 年 12 月 11 日后仍能满足 CE 标记要求并在欧洲市场流通。
该论文针对现有 3D 异常检测方法依赖正常分布导致边界模糊的问题,提出一种基于关系不一致性的框架,将缺陷定义为邻近结构间的几何一致性问题。通过边感知图细化模块和聚类偏差建模模块学习类别无关的缺陷线索。
论文提出 Flownomaly 方法,将少样本工业异常检测建模为冻结 DINOv2 特征空间中的正态对应恢复任务。通过流匹配学习速度场,在直线路径上利用单次最优场评估即可得到干净正常 token 的后验均值,无需轨迹积分。
推荐理由:该工作将少样本工业异常检测重构为冻结特征空间中的正态对应恢复,在单步流匹配下实现无需轨迹积分的后验均值计算。
Fusion-YOLOv11-L 结合 YOLOv11-L 检测器与预训练 UNet++,通过通道注意力门控模块融合语义与血管结构特征。在重标 ARCADE*数据集上,该方法将 AP@50提升至 0.585、F1-score达 0.596,优于单一 YOLOv11-L基线。
该系统针对激光治疗参数化需求,利用定制训练的 YOLOv9 架构结合经典图像处理,在包含短毛发的自定义数据集上实现了约 0.80 的 mAP@50 分割指标。通过光谱测量进行色彩校准,确保在不同光照下准确提取皮肤类型、毛发密度等客观特征。该工作以开放获取形式发表于《Journal of Imaging Informatics in Medicine》,为未来自动化激光治疗参数设定奠定基础。
K-CLUE 框架通过分割细胞核、预训练编码器嵌入及主成分分析,实现无需标注的 Ki67 细胞分型。在 MIST 数据集上,该框架对阳性与阴性细胞核分别达到 85.00% 和 81.91% 的 F1 分数,优于 DeepLIIF 等基线方法。研究证实预训练表示在修正方差结构后可支持无监督分型任务。
LapaFM 是基于超过 20,000 分钟手术视频训练、采用多阶段持续学习策略以缓解灾难性遗忘的腹腔镜基础模型。该模型支持烟雾去除、手术阶段识别及息肉分割等多任务,在 13 个回顾性和 2 个前瞻性队列中表现优于专用模型与现有基线。其成功恢复超 90% 被烟雾遮挡帧,并在淋巴结转移预测等任务达到临床级或更优性能。
RAISE-Vision 是一个用于曲面水凝胶表面接触角测量的自动化平台,通过定制 3D 打印硬件与开源图像处理脚本实现重复性实验。该平台将 Senofilcon A 接触镜在空气中的接触角从 $62.6 \pm 5.5^\circ$ 稳定提升至 $83.4 \pm 2.1^\circ$(连续测量 10 次),且结果与手动协议及商用软件无显著差异。
Attention U-Net 模型在 MoNuSeg 2018 数据集上实现了高分辨率未见测试图像的细胞核自动分割,IoU 达 0.8745。该方案通过染色去卷积、多轮掩码平滑及重叠块拼接策略,有效克服了高核密度与染色异质性挑战。研究证明注意力机制能提升特征定位精度,为困难临床场景提供可扩展的定量分析工具。
FSVL 提出一种整合视觉识别与大语言模型检索增强生成(RAG)的快慢双路径框架,解决淡水鱼类细粒度识别难题。在包含 51 个物种的中游测试集上,该框架将分类准确率从 99.67% 提升至 100%,并将知识生成的科学名准确率从 91.37% 提高至 100%。
智元发布了安规级重载具身工业机器人精灵G2 Max,单臂负载20公斤、双臂峰值可达50公斤,具备亚毫米级作业精度和腰部俯仰结构以适配紧凑空间。材料披露该产品已在昆山沪光工厂参与启元T1零部件搬运、头部物流企业开展入库拆码垛测试(成功率超99%)、以及头部食品企业完成成品拆码垛交付(单箱节拍35秒,成功率不低于99.9%)。G2 Max采用双电池热插拔与自动回充设计,支持7*24小时不间断运行。
针对外观均匀的猪群,研究基于 ResNet-50 神经网络分析了背标设计对机器视觉识别的影响。实验表明,标记集必须确保在运动模糊、多样视角及遮挡条件下保持无歧义,才能有效支持未来研究与现实应用中的个体级监测。该工作为优化动物自动识别提供了关键的设计指导原则。
针对通用多模态大模型在捕捉类别特异性工业缺陷方面的不足,本文提出了 Reason-IAD 框架。该框架包含两个核心组件:一是检索增强知识模块,将特定类别的文本描述融入输入以支持领域感知推理;二是熵驱动的隐式推理机制,利用可优化的隐式思考 token 在紧凑潜空间内进行迭代探索,并通过基于熵的奖励鼓励自信且稳定的预测。
该研究针对精密组件不同区域缺陷特征差异,结合实例分割与图像级分类构建区域感知双模型检测框架。在 380 根汽车燃油喷射器针阀的实验中,引入确定性决策融合层将假拒收率从 57.6% 降至 10.9%,同时保持 100% 不良品召回率。该成果证明形式化的制造验收标准能有效补充视觉模型,将帧级检测转化为可追溯的组件级决策。
DetM-Tracker 提出了一种针对自主工业检测的简化视频实例分割框架,通过紧凑标量记忆、动态实例通道和熵门控跳过连接消除架构冗余。相比最先进密集特征基线,该方法将推理延迟降低约 20 倍,显存消耗减少 6 倍,有效解决了资源受限边缘平台的内存墙问题。该研究作为预印本发布于 arXiv,代码与权重尚未开放许可。
针对传统深度学习分割模型需昂贵像素级标签的问题,该研究提出仅需单点点击即可生成准确掩膜的弱监督流水线。系统利用点监督跟踪器预测帧间点标注,将其转化为引导 LMPM++ 模型的时序一致性语言表达,并辅以光流与背景减法去噪。在 DeepFish 数据集上的实验显示,该方法相比基线模型显著提升了前景平均交并比(mIoU)。
针对传统手术分割无法处理隐含查询的局限,本文提出了 SurgReasonSeg 方法,该方法利用数字孪生表示构建基础模型,并通过强化学习训练两个针对不同查询复杂度专用的低秩适配器(LoRA)及轻量级路由网络。
该研究提出针对南非 R3337 草案的食品包装图像分析流程,结合 PaddleOCR 结构化提取与 Qwen3-VL 8B Instruct 选择性视觉语言模型复核。在验证的 65 款产品中,该方法将自动判定覆盖率从 51.7% 提升至 65.0%,选择性准确率高达 97.4% 且未遗漏任何不安全警告。研究证实确定性筛查与明确放弃机制对可靠图像化合规评估仍不可或缺。
针对片状模塑料(SMC)制造中缺乏大规模准确标注数据集的问题,本文提出了一种工艺感知的逼真数字孪生系统。该系统通过刚体仿真复现沉积运动学,并利用物理基础的偏振渲染模型生成真实外观,从而提供包含定向边界框、点标注、密度图及偏振渲染的精确同步标签。
Drezily CEO Divya Manjari 在 OpenCV Live! 230 分享其生产级时尚 AI 系统,该系统已跨 90+ 零售商处理数百万商品图片。演示聚焦如何将杂乱产品图转化为实用造型方案,展示从数据清洗到生成式推荐的全流程技术栈。
10月20日,舍弗勒太仓数智工厂正式启用,引入六台人形机器人参与关节模组装配及物料搬运等生产环节。工厂设置了涵盖目视检测、物料拣选等任务的六类工业训练场景,并通过数字孪生系统连接训练与工艺优化。商业方面,2026年第三季度舍弗勒获得两家中国客户新订单,推动集团人形机器人业务累计订单额达到4亿欧元。
ribline 是一个开源三阶段框架,结合语义上下文森林与轻量级 3D U-Net,在 Siemens Corporate Research 2 mm CT 基准上实现 97.2% 标注准确率且评估集零假阳性。
LUMIN 提出 PSP 四阶段自适应采样管道,利用像素元数据实现零骨干网前向传播的采样,构建耗时较 FPS 快 341 倍。并行内存库相似度计算使推理延迟降低超 95%,分层像素采样将大规模评估时间缩短 20 倍且指标稳定。该网络在五个基准测试中验证了其在工业部署场景下兼顾精度与效率的潜力。
论文介绍 IndusAgent,这是一个基于 Qwen3-VL-8B 训练的检测策略,采用监督微调与工具增强强化学习以解决跨类别工业缺陷检测难题。该策略在六种工具(裁剪、增强、测量、图像内比较、纹理分析及外部视觉意见)间进行选择并整合观测结果进行结构化诊断。
针对HE染色全切片图像中组织制备或扫描引入的技术伪影,该研究对比了六种公开算法在分割无伪影组织及特定伪影类别上的表现。基于两个公共数据集和一个新发布的数据集评估显示,整合修改版GrandQC的HistoKit性能最佳,而HistoQC最差;针对难以分割的暗斑和失焦区域,引入简单后处理步骤可进一步提升效果。该基准为开发HE染色WSI伪影分割方法提供了参考标准。
针对 TopAneu 2026 挑战,该方法提出六阶段解剖感知流程处理 CT 与 MR 血管造影数据。系统通过逻辑回归路由模态分支,经血管二值掩膜及 36 类动脉分类、候选定位器、病灶分割网络及实例分类器完成从原始影像到解剖位置标签的端到端分割。设计遵循无折叠生成原则确保训练真实性,且利用 405/406 个连通组件的单标签特性实现任务一致性。
针对工业机器人离线编程后需在线示教以提高精度的问题,本文提出一种基于激光跟踪仪测量的传动误差识别方法。作者构建了速度依赖的傅里叶级数模型,并将其集成至虚拟调试软件作为共模拟功能样机单元,通过修正数控系统设定值进行误差补偿。
CaptionFuse 方法利用视觉语言模型(VLM)将参考图像与用户修改指令融合,生成包含缺失属性的产品标题描述以解决免训练检索中的属性稀疏问题。实验表明该方法无需特定任务训练且模型无关,在保持指令式与描述式提示词效果一致的前提下,相比原始修改指令 R@10 提升 6.5 个点。该研究属于计算机视觉领域预印本,代码与权重开放许可状态待 arXiv 注册确认。
PDNet 框架联合利用结构化剪枝与知识蒸馏优化 3D 卷积网络,在 MECCANO 数据集上将 Top-1 准确率从 25.54% 提升至 39.46%,模型仅 6.90 MB。该方法在 X3D-M 骨干网络上仅需 3.78 GFLOPs 算力即可恢复剪枝损失的性能,为资源受限的工业装配场景提供高效解决方案。论文已发表于 VISAPP 2026 会议 Proceedings。
YUTELA 是一种基于 NVIDIA Jetson Thor 边缘设备的边缘 - 服务器 - 云端 AIoT 系统,用于长期、多站点的视频异常检测。该系统通过相机批处理与重分布、共享内存及 TensorRT 加速推理优化了多摄像头流水线,并为每个相机维护独立的异常模型,在收集到足够的伪正常数据后于集中式 GPU 服务器上重新训练并将更新权重下发至边缘端。
论文提出了 OV-PEAR 框架,用于解决未知工业物体的 6D 位姿、尺度及操作就绪 3D 模型构建问题。该框架通过三阶段流程实现物体分割、外观感知视图检索与显式尺度搜索,并将多视角 RGB-D 证据反投影至物体规范坐标系以验证体素占用率,从而抑制幻觉并生成可信模型。
推荐理由:针对未知工业物体,提出基于多视角观测验证的位姿尺度估计与重建框架,在真实机器人装配任务中实现高成功率。
针对计算机视觉在建筑行业缺乏结构化公开数据的问题,ResCD-CSI 数据集发布了包含美国活跃住宅工地的高分辨率图像。该基准涵盖 14 大类 CSI 分部,共标注了 16,365 个物体边界框,旨在支持基于深度学习的施工现场元素识别与 AI 驱动监测方案开发。
该研究评估了集成 YOLOv11-medium 模型的半自主电动拖拉机在萝卜田的除草性能,发现速度从 0.13 m/s 提升至 0.45 m/s 时杂草命中率降至 35.0% 且作物接触率升至 28.7%,未达商业可行性阈值。结果表明仅靠除草检测不足,需改进运动鲁棒感知与喷药时序补偿。相关软件已公开以支持未来精准除草研究。
巴斯尔推出新型视觉系统架构,通过同一 SDK 直接由相机控制镜头和照明。其 Vision Simulation 功能允许在无需物理原型的条件下进行图像处理应用的开发与验证。该方案旨在为全球工程师和系统集成商提供自动化解决方案。
针对视频平台有害内容检测难题,研究构建了涵盖信息、仇恨、成瘾等六类的在线伤害综合分类法,并系统测试多模态大语言模型(MLLMs)作为标注替代方案。基于 19,422 个 YouTube 视频的 GPT-4-Turbo 与人工标注数据集显示,MLLMs 在二分类及多标签任务中表现可与人类标注员媲美,为平台内容审核与社会科学研究提供新路径。
该研究发布了包含休斯顿 Methodist 医院注册护士 365 次操作视频的中心静脉导管换药(CLDC)技能评估数据集。数据涵盖 17 个子任务的时间标注与临床绩效评估,并验证了时空深度学习模型在自动化技能评估中的可行性。此数据集为护理教育中的 AI 辅助训练、反馈生成及客观可复现的绩效评估提供了基础。
针对孟加拉市场香蕉果实表面损伤检测难题,该研究提出基于 YOLOv8n 的轻量级深度学习框架。模型在包含 5,827 个标注实例的定制数据集上训练,测试集精度达 81.36%,推理耗时仅 6.54 ms/image(NVIDIA Tesla T4)。实验表明该方案可作为特定采集条件下实例级表面检查的高效基线。