FlowEval: Reference-Based Evaluation of Generated User Interfaces
虽然大型语言模型 (LLM) 和编码代理通常应用于用户界面 (UI) 开发，但开发人员发现很难可靠地评估他们在视觉和交互设计方面的熟练程度。现有的评估要么依靠人类专家，他们可以通过测试关键流程来准确评估可用性，但速度慢且成本高；要么依靠自动化法官，虽然可扩展，但准确性较差且不透明。我们提出了 FlowEval，一个基于参考的框架，通过比较真实网站的导航轨迹与轨迹来衡量生成的 UI 是否支持真实的交互流......
VisionLabs получила премию за технологию распознавания дипфейков
莫斯科，2026 年 7 月 3 日 — 俄罗斯计算机视觉技术开发商 VisionLabs 荣获“年度技术创新”类别的 Generation AI 奖。该奖项颁发给 12 个类别中使用生成人工智能的最佳实践。该奖项授予了将 VisionLabs Deepfake 探测器实施到 MTC ID KYC 远程识别服务中的项目。
凭借其在机器人和人工智能视觉方面深厚的专业知识和广泛的产品组合，Orbbec 是少数几家结合了先进的多传感器校准和同步技术、全栈视觉产品组合以及全球规模制造和交付能力的行业供应商之一。
Astrophysicists Puzzle Over Webb's New Universe
Jay Bennett，Quanta 杂志 当 Charlotte Mason 思考宇宙奥秘时，她喜欢涂鸦。 “我是一个非常注重视觉的人，”她说。 “我通常会画很多画试图......
Proof of Life in Protected Waters: “Hammerhead Sharks Up Close with Bertie Gregory”
伯蒂·格雷戈里 (Bertie Gregory) 的《近距离观察锤头鲨》探讨了墨西哥锤头鲨数量的减少和潜在恢复，通过令人惊叹的视觉效果和充满希望和好奇的叙述来强调保护方面的成功。
VideoFlexTok: Flexible-Length Coarse-to-Fine Video Tokenization
视觉分词器将高维原始像素映射为下游建模的压缩表示。除了压缩之外，标记器还决定保留哪些信息以及如何组织信息。视频标记化事实上的标准方法是将视频表示为标记的时空 3D 网格，每个标记捕获原始信号中相应的局部信息。这需要使用令牌的下游模型（例如文本到视频模型）学习“逐像素”预测所有低级细节，而不考虑视频固有的复杂性，从而导致......
On Robustness and Chain-of-Thought Consistency of RL-Finetuned VLMs
强化学习 (RL) 微调已成为增强推理密集型任务的大型语言模型 (LLM) 的关键技术，并推动其扩展到视觉语言模型 (VLM)。虽然经过 RL 调整的 VLM 改进了视觉推理基准，但它们仍然容易受到视觉基础薄弱、幻觉和过度依赖文本提示的影响。我们证明，简单的、受控的文本扰动——误导性的标题或不正确的思维链 (CoT) 痕迹——会导致鲁棒性和置信度大幅下降，并且当 CoT 一致性为……时，这些影响会更加明显。
恭喜伯克利人工智能研究 (BAIR) 2026 届实验室班毕业！今年，BAIR 庆祝了另一批杰出的博士生。毕业生的好奇心、创造力和毅力推动了人工智能和机器学习的前沿。他们的工作涵盖了现代人工智能的广度——机器人和体现智能、大型语言模型和推理、计算机视觉、生成模型、人工智能安全、人机交互、科学和医疗保健人工智能等等。一路走来，他们发表了有影响力的研究成果，构建了具有现实世界影响力的系统，指导了同行，并将 BAIR 社区塑造得更好。现在，他们正走向思想传播的各个角落：教师和博士后职位、行业研究实验室以及自己创办的初创公司，其中一些人仍在探索下一步发展，并希望收到您的来信。请与我们一起庆祝这些出色的
IEEE Transactions on Fuzzy Systems, Volume 34, Issue 7, July 2026
1) 视觉情感识别中无源域适应的模糊感知损失作者：Y. Cheng，Y. 张，Y. Wang，L. -P。 ChauPages: 2077 - 20892) Multiview Fuzzy Clustering With Anchor Graph作者：C. Liu, F. Nie, M. Chang, R. Wang, X. LiPages: 2090 - 21033) Partial Multilabel Feature Selection via Fuzzy Two-Stage Disambiguation and Weighted Pure Relevance作者：C. Huang, D
New Mouser eBook Explores AI-Enabled Embedded Design Using the Popular Arduino UNO Q Board
随着嵌入式系统越来越需要人工智能推理、计算机视觉、高级连接和实时数据处理，工程团队常常被迫在微控制器开发的简单性和基于 Linux 的边缘计算平台的复杂性之间做出选择。
The biggest misconception about vision? That you see reality
人类视觉并不是对世界的直接记录。这就是为什么虚拟和增强现实仍然难以复制它。
How to spot an AI-generated face, according to science
训练人们注意正确的视觉线索，他们发现人工智能生成的面孔的准确度几乎提高了一倍
These 17 Stunning Photos of the Strawberry Moon Show Earth's Natural Satellite in All Its Glory
夏季的第一个满月在全球范围内带来了令人眼花缭乱的视觉效果。从北半球的角度来看，它在天空中的位置较低，因此呈现出金色的色调
Robot Talk Episode 162 – The robot doctor will see you now
自 40 多年前进行第一例机器人辅助手术以来，机器人技术、计算机视觉和人工智能的重大进步从根本上改变了医学和医疗保健。创新的新技术已经在诊断、手术、康复等方面为熟练的医疗专业人员提供帮助。但仍然存在许多问题：随着医疗工具变得越来越自主，会出现哪些伦理问题？ [...]
Mischka Keia Aoki, Pesona Selebgram Cantik yang Selalu Dipuja
在社交媒体的快速流动中，只有少数年轻人物能够在公众眼中保持魅力和相关性。最近越来越受到关注的一个名字是Mischka Keia Aoki。这位美丽的名人不仅以其迷人的视觉效果而闻名，而且还因其被许多人认为真实的个性和生活方式而闻名[...]
Faded letters, early warnings: A new clue for aging eyes
难以阅读视力表上超过六行且字母逐渐褪色的情况，对于老年人来说可能会出现视觉上的“黄灯”，从而引发常规检查有时无法检测到的危险信号。
Scientists Translated Brain Signals Into Movies With Surprising Accuracy
小鼠大脑活动被用来重现 10 秒的视频，为研究视觉在大脑中的表现方式提供了一种新方法。由伦敦大学学院 (UCL) 领导的科学家仅使用小鼠记录的大脑活动重建了视频，使他们能够重现动物所看到的内容。发表在《eLife》上的研究结果可能有助于[...]
5 Open Source Omni AI Models That Handle Text, Images, Audio, and Video
实际了解用于视觉语言推理、语音交互、文档智能、实时助手、本地部署的多模式、任意系统。
