目录

Category: AI

← All Categories

论文每日摘要 →

2026/08/26 10:00:00每日 arXiv 论文简报 · 2026-08-26
2026/08/25 10:00:00每日 arXiv 论文简报 · 2026-08-25
2026/08/24 10:00:00每日 arXiv 论文简报 · 2026-08-24
2026/08/23 10:00:00每日 arXiv 论文简报 · 2026-08-23
2026/08/22 10:00:00每日 arXiv 论文简报 · 2026-08-22
2026/08/21 10:00:00每日 arXiv 论文简报 · 2026-08-21
2026/08/20 10:00:00每日 arXiv 论文简报 · 2026-08-20
2026/08/19 10:00:00每日 arXiv 论文简报 · 2026-08-19
2026/08/18 10:00:00每日 arXiv 论文简报 · 2026-08-18
2026/08/17 10:00:00每日 arXiv 论文简报 · 2026-08-17
2026/08/16 10:00:00每日 arXiv 论文简报 · 2026-08-16
2026/08/15 10:00:00每日 arXiv 论文简报 · 2026-08-15
2026/08/14 10:00:00每日 arXiv 论文简报 · 2026-08-14
2026/08/13 10:00:00每日 arXiv 论文简报 · 2026-08-13
2026/08/12 10:00:00每日 arXiv 论文简报 · 2026-08-12
2026/08/11 10:00:00每日 arXiv 论文简报 · 2026-08-11
2026/08/10 10:00:00每日 arXiv 论文简报 · 2026-08-10
2026/08/09 10:00:00每日 arXiv 论文简报 · 2026-08-09
2026/08/08 10:00:00每日 arXiv 论文简报 · 2026-08-08
2026/08/07 10:00:00每日 arXiv 论文简报 · 2026-08-07
2026/08/06 10:00:00每日 arXiv 论文简报 · 2026-08-06
2026/08/05 10:00:00每日 arXiv 论文简报 · 2026-08-05
2026/08/04 10:00:00每日 arXiv 论文简报 · 2026-08-04
2026/08/03 10:00:00每日 arXiv 论文简报 · 2026-08-03
2026/08/02 10:00:00每日 arXiv 论文简报 · 2026-08-02
2026/08/01 10:00:00每日 arXiv 论文简报 · 2026-08-01
2026/07/31 10:00:00每日 arXiv 论文简报 · 2026-07-31
2026/07/30 10:00:00每日 arXiv 论文简报 · 2026-07-30
2026/07/29 10:00:00每日 arXiv 论文简报 · 2026-07-29
2026/07/28 10:00:00每日 arXiv 论文简报 · 2026-07-28
2026/07/27 10:00:00每日 arXiv 论文简报 · 2026-07-27
2026/07/26 10:00:00每日 arXiv 论文简报 · 2026-07-26
2026/07/25 10:00:00每日 arXiv 论文简报 · 2026-07-25
2026/07/24 10:00:00每日 arXiv 论文简报 · 2026-07-24
2026/07/23 10:00:00每日 arXiv 论文简报 · 2026-07-23
2026/07/22 10:00:00每日 arXiv 论文简报 · 2026-07-22
2026/07/21 10:00:00每日 arXiv 论文简报 · 2026-07-21
2026/07/20 10:00:00每日 arXiv 论文简报 · 2026-07-20
2026/07/19 10:00:00每日 arXiv 论文简报 · 2026-07-19
2026/07/18 10:00:00每日 arXiv 论文简报 · 2026-07-18
2026/07/17 10:00:00每日 arXiv 论文简报 · 2026-07-17
2026/07/15 10:00:00每日 arXiv 论文简报 · 2026-07-15
2026/07/11 10:00:00每日 arXiv 论文简报 · 2026-07-11
2026/07/10 10:00:00每日 arXiv 论文简报 · 2026-07-10
2026/07/09 10:00:00每日 arXiv 论文简报 · 2026-07-09
2026/07/08 10:00:00每日 arXiv 论文简报 · 2026-07-08
2026/07/07 10:00:00每日 arXiv 论文简报 · 2026-07-07
2026/07/06 10:00:00每日 arXiv 论文简报 · 2026-07-06
2026/07/05 10:00:00每日 arXiv 论文简报 · 2026-07-05
2026/07/04 10:00:00每日 arXiv 论文简报 · 2026-07-04
2026/07/03 10:00:00每日 arXiv 论文简报 · 2026-07-03
2026/07/02 10:00:00每日 arXiv 论文简报 · 2026-07-02
2026/07/01 10:00:00每日 arXiv 论文简报 · 2026-07-01
2026/06/30 10:00:00每日 arXiv 论文简报 · 2026-06-30
2026/06/29 10:00:00每日 arXiv 论文简报 · 2026-06-29
2026/06/28 10:00:00每日 arXiv 论文简报 · 2026-06-28
2026/06/27 10:00:00每日 arXiv 论文简报 · 2026-06-27
2026/06/26 10:00:00每日 arXiv 论文简报 · 2026-06-26
2026/06/25 10:00:00每日 arXiv 论文简报 · 2026-06-25
2026/06/24 10:00:00每日 arXiv 论文简报 · 2026-06-24
2026/06/23 10:00:00每日 arXiv 论文简报 · 2026-06-23
2026/06/22 10:00:00每日 arXiv 论文简报 · 2026-06-22
2026/06/21 10:00:00每日 arXiv 论文简报 · 2026-06-21
2026/06/20 10:00:00每日 arXiv 论文简报 · 2026-06-20
2026/06/19 10:00:00每日 arXiv 论文简报 · 2026-06-19
2026/06/18 10:00:00每日 arXiv 论文简报 · 2026-06-18
2026/06/17 10:00:00每日 arXiv 论文简报 · 2026-06-17
2026/06/16 10:00:00每日 arXiv 论文简报 · 2026-06-16
2026/06/15 10:00:00每日 arXiv 论文简报 · 2026-06-15
2026/06/14 10:00:00每日 arXiv 论文简报 · 2026-06-14
2026/06/13 10:00:00每日 arXiv 论文简报 · 2026-06-13
2026/06/12 10:00:00每日 arXiv 论文简报 · 2026-06-12
2026/06/11 10:00:00每日 arXiv 论文简报 · 2026-06-11
2026/06/10 10:00:00每日 arXiv 论文简报 · 2026-06-10
2026/06/09 10:00:00每日 arXiv 论文简报 · 2026-06-09
2026/06/08 10:00:00每日 arXiv 论文简报 · 2026-06-08
2026/06/07 10:00:00每日 arXiv 论文简报 · 2026-06-07
2026/06/06 10:00:00每日 arXiv 论文简报 · 2026-06-06
2026/06/05 10:00:00每日 arXiv 论文简报 · 2026-06-05
2026/06/04 10:00:00每日 arXiv 论文简报 · 2026-06-04
2026/06/03 10:00:00每日 arXiv 论文简报 · 2026-06-03
2026/06/02 10:00:00每日 arXiv 论文简报 · 2026-06-02
2026/06/01 10:00:00每日 arXiv 论文简报 · 2026-06-01
2026/05/31 10:00:00每日 arXiv 论文简报 · 2026-05-31
2026/05/30 10:00:00每日 arXiv 论文简报 · 2026-05-30
2026/05/29 10:00:00每日 arXiv 论文简报 · 2026-05-29
2026/05/28 10:00:00每日 arXiv 论文简报 · 2026-05-28
2026/05/27 10:00:00每日 arXiv 论文简报 · 2026-05-27
2026/05/26 10:00:00每日 arXiv 论文简报 · 2026-05-26
2026/05/25 10:00:00每日 arXiv 论文简报 · 2026-05-25
2026/05/24 10:00:00每日 arXiv 论文简报 · 2026-05-24
2026/05/23 10:00:00每日 arXiv 论文简报 · 2026-05-23
2026/05/21 10:00:00每日 arXiv 论文简报 · 2026-05-21
2026/05/21 10:00:00每日 arXiv 论文简报 · 2026-05-21
2026/05/18 10:00:00每日 arXiv 论文简报 · 2026-05-18

2026/06/05 10:18:00数字人系列总览：从唇形同步到实时交互体
2026/06/09 11:51:36数字人研究准备：正式头脑风暴前要看清什么
2026/06/05 09:59:17数字人工程解读（一）：CyberVerse：把论文拼成一个能对话的实时数字人
2026/06/04 17:02:01数字人论文精读（一）：Wav2Lip，用唇形同步专家把任意视频精准对口型
2026/06/03 18:00:56数字人系列（一）：实时数字人生成 Survey，从唇部重绘到动作空间扩散
2026/06/12 14:18:24数字人工程解读（二）：CyberVerse 实验：FlashHead Lite + wav2vec2 的端到端耗时拆解
2026/06/08 10:33:28数字人论文精读（二）：MuseTalk，实时视频配音里的 latent inpainting 路线
2026/06/04 10:13:34数字人系列（二）：换嘴与视频配音路线，从 Wav2Lip 到 MuseTalk
2026/06/16 14:56:00数字人工程解读（三）：OpenAvatarChat 源码：LiteAvatar 实时数字人的模块化设计与 WebRTC 部署
2026/06/08 14:41:06数字人系列（三）：运动空间路线，从 SadTalker 到 VASA-1 与 Ditto
2026/06/05 14:19:54数字人论文精读（三）：InfiniteTalk，稀疏帧配音与无限长音频驱动生成
2026/06/16 16:26:19数字人工程解读（四）：实时数字人模型推理 Benchmark 汇总
2026/06/08 15:00:00数字人系列（四）：3DGS 与 NeRF 数字人路线，从专人建模到实时渲染
2026/06/04 17:02:01数字人论文精读（四）：SadTalker，用 3D 运动系数驱动单图说话人
2026/06/08 14:28:19数字人系列（五）：扩散基模与整帧数字人路线
2026/06/05 17:55:22数字人工程解读（五）：Ditto 源码：把 Talking Head 做成实时流水线
2026/06/04 17:02:02数字人论文精读（五）：VASA-1，512×512 实时生成的整体面部动力学
2026/06/05 16:35:35数字人论文精读（六）：Ditto，把扩散模型搬进运动空间的实时可控数字人
2026/06/05 12:59:20数字人工程解读（六）：Ultralight-Digital-Human：一个能塞进手机的数字人
2026/06/08 09:29:08数字人论文精读（七）：SentiAvatar，让 3D 数字人会说、会动、会表达
2026/06/05 13:50:25数字人工程解读（七）：InfiniteTalk 源码：站在视频大模型肩上的无限长数字人
2026/06/04 10:13:34数字人系列（七）：实时流式与蒸馏，从 LiveAvatar 到 Self-Forcing
2026/06/16 14:55:00数字人工程解读（八）：LiteAvatar 源码：纯 CPU 实时 2D 数字人驱动引擎
2026/06/12 17:00:00数字人论文精读（八）：DiffSHEG，扩散模型如何同时生成表情与手势
2026/06/09 16:03:55数字人系列（八）：Avatar 类型数字人，从 Talking Head 到全身可渲染资产
2026/06/17 15:00:00数字人工程解读（九）：HDTF 源码：流引导的单样本高分辨率说话人脸生成
2026/06/12 17:24:00数字人论文精读（九）：EchoMimic，音频+可编辑landmark双驱动让数字人说话更自然
2026/06/09 13:01:47数字人系列（九）：评测指标、数据集、训练算力与产品选型
2026/07/09 16:34:01数字人工程解读（十）：MotionShop-2，视频角色替换的工程化升级
2026/06/05 15:46:14数字人论文精读（十）：Live Avatar，14B 扩散模型的实时流式无限长数字人
2026/06/05 10:54:41数字人系列（十）：实时语音 AI 与数字人产业图谱
2026/06/10 09:55:00数字人系列（十一）：不同方案的实际效果演示
2026/06/08 10:51:02数字人论文精读（十一）：EGSTalker，把 3D Gaussian 数字人推向实时音频驱动
2026/07/06 10:00:00数字人系列（十二）：实时性全景对比——从 GPU 需求到交互延迟
2026/06/09 09:42:27数字人论文精读（十二）：EmoTaG，用 FLAME-Gaussian 和情绪蒸馏做 5 秒个性化说话头
2026/07/06 18:00:00数字人系列（十三）：卡通与风格化数字人——从跨域生成到评测方法论
2026/06/09 10:53:00数字人论文精读（十三）：LivePortrait，用隐式关键点把肖像动画做快、做稳、做可控
2026/07/06 20:00:00数字人系列（十四）：数字人后端 Agent 的设计理念——从管道拼装到端到端统一
2026/06/09 10:53:00数字人论文精读（十四）：AniPortrait，从音频到 3D 中间表示再到扩散肖像动画
2026/07/07 16:20:10数字人系列（十五）：训练全景——Loss 函数族与训练策略的系统性整理
2026/06/09 10:52:50数字人论文精读（十五）：Hallo，用分层音频视觉对齐生成高质量说话肖像
2026/07/10 15:04:11工具增强型数字人 Agent：当数字人学会调用工具
2026/06/09 11:25:00数字人论文精读（十六）：Teller，用自回归运动 token 做实时流式肖像动画
2026/07/10 16:52:09数字人系列（十七）：手部生成方案——从 3D 整体运动到 2D 像素空间
2026/06/09 11:00:00数字人论文精读（十七）：FLAP，用 3D head 条件把音频肖像动画做成可控生成
2026/06/09 15:29:20数字人论文精读（十八）：ChatAnyone，把 talking head 推到实时上半身互动
2026/06/09 15:37:41数字人论文精读（十九）：EMO2，把手当作 End-Effector 的音频驱动手势生成
2026/06/09 15:41:46数字人论文精读（二十）：OmniAvatar，把音频注入视频 latent 的全身数字人
2026/06/09 15:44:35数字人论文精读（二十一）：One Shot, One Talk，从单张照片造可渲染全身 Avatar
2026/06/11 09:46:30数字人论文精读（二十二）：SoulX-FlashHead，用 Oracle 蒸馏把 1.3B DiT 做成 96 FPS 流式数字人
2026/06/12 17:24:40数字人论文精读（二十三）：LAM，单图生成可动画 Gaussian 头像的纯 3D 实时管线
2026/06/15 16:11:09数字人论文精读（二十四）：UIKA，任意数量 Pose-Free 图像的前馈式通用头部头像
2026/06/17 17:57:14数字人论文精读（二十五）：Flow-Guided One-Shot Talking Face，用稠密光流替代稀疏关键点的突破
2026/06/18 09:53:20数字人论文精读（二十六）：ARTalk，实时语音驱动 3D 头部动画的多尺度自回归革命
2026/06/18 11:09:41数字人论文精读（二十七）：DSL-FIQA，双集合退化学习与关键点引导的人脸图像质量评估
2026/06/18 11:10:14数字人论文精读（二十八）：UniLS，首个端到端音频驱动的统一说-听数字人
2026/06/18 11:38:14数字人论文精读（二十九）：MEAD，大规模情绪音视频数据集如何推动 Talking Face 从动嘴到传情
2026/06/22 11:47:44数字人论文精读（三十）：Avatar Forcing，扩散强制驱动的实时交互数字人
2026/06/25 11:30:00数字人论文精读（三十一）：Wan-Streamer，单 Transformer 端到端全双工交互
2026/07/06 18:30:00数字人论文精读（三十二）：THEval，八大指标如何把 Talking Head 评测拉回人类感知
2026/07/06 19:00:00数字人论文精读（三十三）：ToonTalker，首个跨域卡通-真实双向人脸重演
2026/07/06 19:30:00数字人论文精读（三十四）：Co-Speech NPR，首个为非真实感角色设计的共语音生成
2026/07/06 20:00:00数字人论文精读（三十五）：GenEAva，首个 135 类细粒度表情卡通头像数据集
2026/07/06 20:30:00数字人论文精读（三十六）：4DHumanQA，第一个经感知验证的 3D 动画质量评估度量
2026/07/06 21:00:00数字人论文精读（三十七）：CapTalk，首个文本引导风格化的 3D 说话头部动画
2026/07/07 16:45:43数字人论文精读（三十八）：SoulX-LiveAct，Neighbor Forcing + ConvKV 实现小时级实时数字人动画
2026/07/07 17:08:17数字人论文精读（三十九）：PerformRecast，用 3DMM 解耦表情与头部姿态的肖像视频编辑
2026/07/07 18:00:00数字人论文精读（四十一）：FaceShot，用扩散特征匹配给任何角色做动画
2026/07/08 09:37:22数字人论文精读（四十二）：LIA-X，用稀疏运动字典让肖像动画可解释可编辑
2026/07/08 10:31:38数字人论文精读（四十三）：X-Portrait，用 RGB 驱动信号实现表达力肖像动画
2026/07/09 11:00:54数字人论文精读（四十四）：AniGS，用 4D 高斯重建把单图变成可动画 Avatar
2026/07/09 15:49:18数字人论文精读（四十五）：LHM，前馈 Transformer 秒级生成可动画 3D 人体
2026/07/10 14:36:53数字人论文精读（四十六）：MATCH，前馈式高斯配准实现 10× 加速头部 Avatar 创建
2026/07/10 14:33:40数字人论文精读（四十七）：HyperGaussians，高维高斯泼溅的高保真人脸虚拟人
2026/07/10 16:31:50数字人论文精读（四十八）：SmartAvatar，VLM 智能体驱动的 3D 人体头像生成
2026/07/10 16:37:35数字人论文精读（四十九）：EMO-Avatar，用 LLM Agent 把共情回复变成会说会动的数字人
2026/07/17 13:30:58数字人论文精读（五十）：JoyVASA，解耦表征 + 扩散运动生成的跨物种音频驱动肖像动画
2026/07/23 16:00:00数字人论文精读（五十一）：AvatarForcing，有界前瞻 + 双锚 KV Cache 把流式 talking avatar 压到 34 ms/帧
2026/07/23 15:47:47数字人论文精读（五十二）：Hallo3，视频扩散 Transformer 驱动的高动态肖像动画
2026/07/23 16:00:00数字人论文精读（五十三）：HunyuanVideo-Avatar，多角色高保真音频驱动人物动画
2026/07/27 15:23:23数字人论文精读（五十四）：FlexAvatar，无位姿无表情标签的可驱动高斯头部大重建模型
2026/08/03 09:00:00ArcFace 深度解读：加性角度间隔损失，人脸识别的分水岭
2026/08/12 17:26:49数字人论文精读（五十五）：LatentSync，用 StableSyncNet 解决潜在扩散唇形同步的捷径学习
2026/08/13 16:12:32数字人论文精读（五十六）：Ex-Omni-2D，对话原生的全模态视觉存在对话模型

图像压缩 →

2026/06/17 20:00:00红外轮廓图像压缩系列总览：从热辐射成像到轮廓编码的完整研究路线
2026/05/29 21:10:00图像压缩基础系列总览：从信息论到 AI 生成
2026/05/20 13:21:39图像压缩系列总览：从传统编码到学习式与生成式压缩
2026/05/21 10:15:23受干扰图像传输旧索引：内容已并入图像压缩专题（五）
2026/06/16 21:49:23红外轮廓图像压缩系列（一）：成像原理与传统编码基线
2026/06/03 11:49:18图像压缩论文精读（一）：HiFiC，GAN 如何把压缩推向视觉可信
2026/05/29 21:10:54图像压缩基础系列（一）：信息论与无损压缩，从香农到 PNG
2026/05/20 13:28:00图像压缩专题（一）：熵模型演化，从 Hyperprior 到 Scaling Law
2026/06/17 20:30:00红外轮廓图像压缩系列（二）：学习式压缩、多模态联合压缩与任务驱动评价
2026/06/03 09:49:37图像压缩论文精读（二）：CDC，把扩散模型塞进图像压缩解码器
2026/05/29 21:11:54图像压缩基础系列（二）：JPEG 与 DCT，有损压缩的核心算法
2026/05/20 13:28:00图像压缩专题（二）：生成式压缩，从 GAN 到 One-Step Diffusion
2026/06/15 11:17:48红外轮廓图像压缩系列（三）：边缘与轮廓压缩 — 从二值编码到 Coding for Machines
2026/06/01 17:55:27图像压缩论文精读（三）：可控失真感知压缩，Latent Diffusion 的可调镜头
2026/05/29 21:12:54图像压缩基础系列（三）：小波变换与 JPEG2000，多分辨率分析的压缩革命
2026/05/20 13:28:00图像压缩专题（三）：Token-based 压缩，当视觉 Tokenizer 遇上信息论
2026/07/06 18:00:00红外轮廓图像压缩系列（四）：轮廓视频压缩 — 从 MPEG-4 形状编码到语义条件扩散
2026/06/17 18:30:00红外轮廓图像压缩系列（五）：CV 前沿方法借鉴 — 基础模型、频域分解、稀疏表征与扩散复原
2026/06/03 10:09:10图像压缩论文精读（四）：DDCM，把扩散模型的高斯噪声换成可传输代码簿
2026/05/29 21:13:52图像压缩基础系列（四）：现代图像格式，WebP、AVIF 与 BPG
2026/05/29 18:00:00图像压缩专题（四）：受干扰环境下的压缩与传输，从 DeepJSCC 到语义通信
2026/07/11 12:26:28红外轮廓图像压缩系列（六）：数据集全景 — 公开红外与热成像压缩数据集综述
2026/06/25 17:39:16红外轮廓图像压缩系列（七）：图像分类学与压缩约束 — 自然图、红外图、轮廓图的跨域对比
2026/05/30 10:58:37图像压缩论文精读（五）：ProGIC，基于残差向量量化的渐进式轻量生成压缩
2026/05/29 21:14:40图像压缩基础系列（五）：视频压缩基础，从 MPEG-1 到 H.264/AVC
2026/05/28 13:25:52图像压缩专题（五）：受干扰图像传输，从 DeepJSCC 到生成式语义通信
2026/06/26 18:02:56红外轮廓图像压缩系列（八）：编码器 Benchmark — 37 款编码器在 FLIR 热红外数据上的实证对比
2026/05/30 10:58:37图像压缩论文精读（六）：RDVQ，可微向量量化实现端到端率失真优化
2026/05/29 21:15:31图像压缩基础系列（六）：H.265/HEVC、AV1 与下一代视频编码
2026/05/29 21:15:31图像压缩基础系列（六）：视频编码标准格局，AV1/AV2 的开源未来
2026/05/20 13:28:00图像压缩专题（六）：超低码率生成式压缩，语义、幻觉与可部署 Codec
2026/06/16 22:09:58红外轮廓图像压缩论文精读（一）：Huf-RLC，用零游程修补 Huffman 在红外线扫图像压缩中的短板
2026/05/29 21:16:36图像压缩基础系列（七）：机器学习压缩，从 VAE 到扩散模型
2026/05/20 20:01:26图像压缩论文精读（七）：RFSQ，让多阶段 FSQ 不再浪费后级量化网格
2026/05/19 00:33:00图像压缩专题（七）：零样本视频压缩，GVCC 与生成式视频 Codec
2026/07/11 11:00:00图像压缩基础系列（八）：H.264 视频编码原理详解
2026/07/10 13:00:45二进制熵编码深度解析：从 Huffman 到 CABAC，以及它们在 H.264、ZIP 和 7z 中的应用
2026/06/15 22:53:14红外轮廓图像压缩论文精读（二）：SA-ICM，用 SAM 边缘信息训练给机器看的图像压缩器
2026/06/04 10:01:41图像压缩论文精读（八）：SPRDiff，超低码率压缩里的语义锚点与像素锚点
2026/07/12 01:45:14图像压缩基础系列（九）：H.265/HEVC 技术深度解析
2026/06/17 21:00:00红外轮廓图像压缩论文精读（三）：FreqKD，频率解耦蒸馏揭示红外图像的高低频分歧
2026/05/25 19:01:25图像压缩论文精读（九）：EF-LIC，无熵编码学习式压缩的效率路线
2026/06/17 21:00:00红外轮廓图像压缩论文精读（四）：AnyThermal，跨模态蒸馏构建通用热红外特征骨干
2026/05/28 13:54:50图像压缩论文精读（十）：DeepJSCC，端到端联合信源信道编码的开山之作
2026/06/17 21:00:00红外轮廓图像压缩论文精读（五）：CI-ICM，通道重要性驱动的面向机器图像压缩
2026/05/28 13:54:49图像压缩论文精读（十一）：WITT，基于 Swin Transformer 的无线图像语义传输
2026/06/18 13:43:01红外轮廓图像压缩论文精读（六）：LoHGNet，洛伦兹几何编码与高阶关系学习
2026/05/28 13:54:42图像压缩论文精读（十二）：AIB-JSCC，自适应信息瓶颈引导的图像传输
2026/06/18 13:49:10红外轮廓图像压缩论文精读（七）：RPCASSM，鲁棒 PCA 状态空间模型的红外小目标检测
2026/05/21 11:04:37图像压缩论文精读（十三）：DiffJSCC，扩散模型辅助的高真实感无线图像传输
2026/06/20 00:32:42红外轮廓图像压缩论文精读（八）：SPIRE，单点监督引导的编码器红外小目标检测
2026/05/28 14:30:00图像压缩论文精读（十四）：Gen-SC，用语言传输图像的极端语义通信
2026/07/06 15:00:00红外轮廓图像压缩论文精读（九）：红外夜视观瞄轮廓提取，Sobel 增强 + FPGA 实时实现
2026/06/23 15:50:39图像压缩论文精读（十五）：RAWIC，位深自适应的 Raw 图像无损压缩
2026/07/06 17:00:00图像压缩论文精读（十六）：AEIC，浅编码器的超低码率感知压缩
2026/07/11 19:36:25图像压缩论文精读（十七）：GFVC，生成式人脸视频编码与标准化综述
2026/07/07 10:00:00红外轮廓图像压缩论文精读（十）：MPEG-4 二值形状编码，五种方法的较量与 CAE 的胜出
2026/07/11 13:36:00红外轮廓图像压缩论文精读（十一）：TIV，大规模热红外视频分析基准
2026/07/07 23:26:24图像压缩论文精读（八）：ECC，上下文自适应扩展链码
2026/07/11 16:38:29红外轮廓图像压缩论文精读（十二）：MoRIC，区域化隐式神经编解码与自适应链码轮廓压缩
2026/07/14 10:00:00红外轮廓图像压缩论文精读（十三）：运动补偿双链码，Lu & Pearlman 2002 如何在码率上反超 MPEG-4 的 CAE

视觉分词器 →

2026/05/30 23:58:54FSQ: VQ-VAE Made Simple — 用标量量化代替向量量化
2026/05/30 22:01:09CompTok：通过双量化器解耦语义与像素特征
2026/05/30 20:58:42SemHiTok：语义引导的层级码本，统一多模态理解与生成
2026/05/30 20:16:51TokenFlow：用双码本共享映射统一多模态理解与生成
2026/05/28 13:54:42GESCO: 扩散模型在语义通信中的噪声鲁棒训练
2026/05/24 00:09:30DecQ: Detail-Condensing Queries for Representation Autoencoders
2026/05/24 00:09:30RiT: 表示空间中的 Vanilla Diffusion Transformer
2026/05/24 00:09:30UniVL: Unified Vision-Language Embedding for Spatially Grounded Contextual Image Generation
2026/05/20 20:24:06WeTok: Powerful Discrete Tokenization for High-Fidelity Visual Reconstruction
2026/05/20 20:00:00Infinity：Bitwise 自回归建模与无限词汇表
2026/05/20 18:45:00Tokenizer is Key：MAGVIT-v2 如何让语言模型击败扩散模型
2026/05/18 10:00:00Visual Encoders: An Academic Survey
2026/05/18 00:00:00离散分词器：从原理到应用的全面综述
2026/05/17 10:00:00TiTok 与 1D Visual Tokenizer：研究现状与演进方向
2026/05/17 10:00:00TiTok 与 1D Visual Tokenizer：研究现状与演进方向
2026/05/17 00:00:00视觉编码器研究雷达
2026/05/16 00:00:00MAETok — 掩码自编码器是扩散模型的有效 Tokenizer
2026/05/12 00:00:00TiTok 后续改进方向深度调研——1D Tokenizer 六大演进主线
2026/04/23 00:00:00GRN：生成式细化网络——离散 Tokenizer 近无损 × 全局修正 × 自适应步长生成
2026/04/23 00:00:00GRN: 生成式细化网络
2026/03/13 00:00:00视觉领域的离散分词器 (Visual Tokenizer)
2026/03/04 00:00:00ProgressiveDiTok v0.3-从Next Token Prediction到 Next Scale Prediction
2026/02/10 00:00:00ProgressiveDiTok
2026/02/07 00:00:001d-tokenizer
2026/02/06 00:00:00DiTok v1.0 实验记录
2026/02/06 00:00:00DiTok Stage 2 训练指南
2026/02/05 00:00:00DiTok 相关工作回顾
2026/05/30 23:38:258 个 Token 搞定规划——CompACT：面向世界模型的极致压缩离散 Tokenizer

视觉模型 →

2026/07/14 10:00:00视频轮廓提取模型全景综述：从边缘检测、视频分割到抠像基础模型
2026/07/14 20:55:00YOSO：一次分割即得全景——实时全景分割的动态卷积统一框架
2026/06/17 17:52:45VFHQ 深度解读：高质量视频人脸超分辨率的数据基础
2026/06/12 10:59:28卷积与 CNN 演进：从局部感受野到空洞卷积、残差网络和轻量化卷积
2026/06/08 11:11:37U-Net 深度解读：医学图像分割的 U 形范式为什么成立
2026/05/20 20:23:59BitDance: Scaling Autoregressive Generative Models with Binary Tokens
2026/05/18 00:00:00模型蒸馏学术调研
2026/04/23 00:00:00Vision Banana: 图像生成器是通用视觉学习器
2026/04/22 00:00:00Video Processing Model
2026/04/22 00:00:00毕业设计
2024/11/19 00:00:00在RaspberryPi上使用TensorFlow做目标检测
2024/06/08 00:00:00YOLO Pose实现
2024/06/08 00:00:00YOLO
2024/05/10 00:00:00End-to-End Object Detection with Transformers
2024/05/10 00:00:00Two Stream
2024/05/10 00:00:00Video Processing
2024/04/26 00:00:00Graph Embedded Pose Clustering for Anomaly Detection
2026/07/14 10:27:41视频目标分割参考：Segment Anything for Video — 视频目标分割与跟踪全景综述
2026/07/14 10:04:08图像抠像参考：Deep Image Matting: A Comprehensive Survey
2026/07/14 10:18:31分割基础模型参考：A Survey on Segment Anything
2026/07/14 10:30:00视频轮廓提取论文精读（一）：SAM 2，统一图像与视频的可提示分割基础模型
2026/07/14 10:10:08视频轮廓提取论文精读（二）：Robust Video Matting，时序引导的实时高分辨率视频抠像
2026/07/14 10:07:31视频轮廓提取论文精读（三）：Track Anything，SAM 遇见视频的交互式轮廓跟踪
2026/07/14 18:00:00视频轮廓提取论文精读（四）：ContourFormer，DETR 范式下的实时 contour-based 实例分割
2026/07/14 18:10:00视频轮廓提取论文精读（五）：OASIS，结构感知的边界精修视频目标分割
2026/06/20 13:15:54视觉模型论文精读（一）：Continuous-tone Simple Points，连续值 Simple Point 与变分拓扑保持

动作识别 →

2026/06/29 19:55:16动作识别系列总览：从双流 CNN 到视频基础模型
2026/06/29 22:50:30动作识别论文精读（一）：VideoMAE，数据高效的视频自监督预训练
2026/06/29 22:36:16宠物动作识别（一）：端侧宠物行为识别——第一阶段任务规划
2026/06/29 19:55:25动作识别系列（一）：领域导览——方案分类、论文池与框架选型
2026/06/30 14:18:27宠物动作识别（二）：从 mmaction2 到 VideoMamba——动作检测模型全景与猫咪行为识别选型
2026/06/29 22:52:01动作识别系列（二）：动物动作识别——从数据稀缺到基础模型的破局之路
2026/06/29 22:51:20动作识别论文精读（二）：SlowFast Networks，双速通道的时空建模
2026/07/06 17:00:00动作识别论文精读（三）：IGMN，首个身份感知时序动作检测
2026/07/06 15:28:25动作识别系列（三）：从粗粒度到细粒度的动物动作识别综述
2026/06/30 15:16:14宠物动作识别（三）：PMTNet，非受限视频中基于部件级时序建模的猫咪行为识别
2026/07/08 23:04:03宠物动作识别（四）：数据集全景汇总与缺口分析
2026/07/06 17:10:00动作识别论文精读（四）：SkeleTR，两阶段骨架动作识别的标杆
2026/07/06 16:07:52动作识别系列（四）：视频基础模型时代的动作检测——从掩码重建到零样本泛化
2026/07/09 10:29:55动作识别论文精读（五）：Animal Kingdom，850 物种行为理解标杆数据集
2026/07/09 00:36:06DeepLabCut：用迁移学习实现动物姿态估计
2026/07/09 00:15:40宠物动作识别(五):非视觉模态全景--从 RGB 到稀疏轨迹、深度、点云与事件相机
2026/07/06 16:35:00动作识别系列（五）：个体特定动作检测——先认识"这只猫"，再理解"它在做什么"
2026/07/09 10:29:46动作识别论文精读（六）：MammalNet，539 小时哺乳动物视频基准与组合零样本评测
2026/07/09 00:36:09多动物 DeepLabCut：姿态估计、身份识别与跟踪
2026/07/09 10:35:46动作识别论文精读（七）：SuperAnimal，跨 45+ 物种零样本姿态估计基础模型
2026/07/09 10:40:00动作识别论文精读（八）：AnimalMotionCLIP，在 CLIP 空间中嵌入运动表征
2026/07/09 10:37:23动作识别论文精读（十）：Animal-CLIP，双 Prompt 增强的物种感知 VLM

2026/06/09 12:55:25Agent Attention 深度解读：Softmax 与 Linear Attention 之间的代理人
2026/06/01 23:52:36从自身 Latents 学习，而非 Tokens：样本复杂度理论深度解读
2026/05/23 18:56:26RWKV：在 Transformer 时代重塑 RNN
2026/05/23 18:12:17A Survey of Mamba：状态空间模型的全面综述
2026/05/23 17:56:13Transformers are SSMs: Structured State Space Duality
2026/05/23 17:55:43Mamba: Linear-Time Sequence Modeling with Selective State Spaces
2026/05/23 17:43:32Mamba 与视觉 State Space Models：从语言到视觉的长序列建模革命
2026/05/20 22:54:00CliffordNet 深度解读：用几何代数干掉 FFN 的视觉骨干网络
2026/05/19 17:56:00数据集调研：经典数据集、创建流程与电商图片-视频对构建方案
2026/05/16 21:58:31人工智能编年史——从图灵到 ChatGPT
2026/05/13 00:00:00混合专家模型（MoE）——原理、演进与前沿
2024/11/17 00:00:00Tensorflow
2024/06/19 00:00:00Whisper
2024/06/16 00:00:00Ensemble Learning
2024/06/15 00:00:00Pytorch
2024/04/24 00:00:00Transformer

2026/07/10 14:35:06LasHeR：RGBT 跟踪的大规模高多样性基准数据集
2026/06/04 10:18:46LAM 深度解读：给多模态 Transformer 装一个会学习的注意力阀门
2026/06/02 14:19:38CatV2TON 代码解读：仓库结构、基座模型与参数高效训练
2026/05/28 01:21:08CLIP：用自然语言监督学习可迁移视觉模型
2026/05/27 23:44:59BLIP-2：用 Q-Former 桥接冻结的视觉编码器与大语言模型
2026/05/27 23:44:59Flamingo：冻结 LLM + 视觉注入的 Few-Shot 多模态学习
2026/05/27 23:44:59GLIP：从图像级对齐到对象级定位的视觉-语言预训练
2026/05/27 23:44:59LLaVA：视觉指令微调——用 GPT-4 教多模态模型对话
2026/05/27 23:44:59SigLIP：用 Sigmoid Loss 解耦 batch size 与对比学习效率
2026/05/27 23:44:49BLIP：统一视觉-语言理解与生成的自举预训练
2026/05/27 23:15:10Vision-Language Pre-training：从对比学习到多模态大模型的演进
2026/05/20 14:00:00CatV2TON 深度解读：把图像试穿和视频试穿统一到一个 Diffusion Transformer 里
2026/05/19 14:21:00MiniMind-V：从 0 构建多模态视觉语言模型
2026/05/15 00:00:00MUSE-VL 深度解读：语义离散编码如何统一视觉理解与生成
2026/05/14 00:00:00多模态大模型（MLLM）——原理、综述与实践

2026/06/02 09:36:00AI Infra 系列
2026/06/11 10:00:52LLM 量化入门：INT8、FP8、Outlier 与截断误差
2026/06/03 10:29:20Langfuse 实践与改进路线：从接入到生产级 LLMOps
2026/06/03 10:29:05Langfuse 架构与仓库阅读：Web、Worker、ClickHouse、Redis 与 S3
2026/06/03 10:28:50Langfuse Prompt Management 与 Evaluation：把 LLM 应用改进变成闭环
2026/06/03 10:27:58Langfuse 可观测性：Trace、Session 与 Agent Graph 怎么看
2026/06/03 10:22:02Langfuse 系列导读：开源 LLM 工程平台从观测到评测
2026/06/02 09:33:52平台与治理：AI Infra 最终拼的是可控、可观测、可扩展
2026/06/02 09:32:30数据 Infra：为什么 AI 系统真正消耗的是数据供应链，而不只是 prompt
2026/06/02 00:08:54训练 Infra：为什么训练大模型像在协调上千张 GPU 一起工作
2026/06/02 00:07:02多模态推理为什么更难：以 SGLang Omni 为例看 multi-stage inference
2026/06/02 00:05:18从 vLLM 到 SGLang：推理框架的设计分歧到底在哪里
2026/06/02 00:03:23KV Cache、PagedAttention 与调度器：现代推理引擎到底在优化什么
2026/06/01 23:59:33LLM 推理基础设施入门：从 prefill 和 decode 开始理解一切
2026/06/01 23:56:24AI Infra 是什么：为什么 AI 时代需要一套新的基础设施语言

大语言模型 →

2026/05/27 16:53:48模型训练，到底在做什么
2026/05/19 13:48:30Ch1 · 微调与部署 · 动手学大模型
2026/05/19 13:48:30Ch2 · 提示学习与思维链 · 动手学大模型
2026/05/19 13:48:30Ch3 · 知识编辑 · 动手学大模型
2026/05/19 13:48:30Ch4 · 数学推理 · 动手学大模型
2026/05/19 13:48:30Ch5 · 模型水印 · 动手学大模型
2026/05/19 13:48:30Ch6 · 越狱攻击 · 动手学大模型
2026/05/19 13:48:30Ch7 · 大模型隐写术 · 动手学大模型
2026/05/19 13:48:30Ch8 · 多模态大模型 · 动手学大模型
2026/05/19 13:48:30Ch9 · GUI 智能体 · 动手学大模型
2026/05/19 13:48:30Ch10 · 智能体安全 · 动手学大模型
2026/05/19 13:48:30Ch11 · RLHF 安全对齐 · 动手学大模型
2026/05/19 13:48:30动手学大模型 Dive-Into-LLMs

扩散模型 →

2026/06/02 14:05:23LiON-LoRA 深度解读：让视频扩散模型同时听懂相机和运动
2026/05/18 00:00:00连续扩散语言模型路线综述：对视觉编码器研究的系统性启发
2026/05/18 00:00:00ELF: Embedded Language Flows — 连续空间扩散语言模型
2026/05/17 00:00:00扩散模型研究雷达
2026/05/04 00:00:00An introduction to Flow Matching and Diffusion Models
2026/04/23 00:00:00iTARFlow: 迭代去噪的归一化流
2026/02/20 00:00:00ProgressiveDiTok v0.2-对扩散模型再理解——怎么处理条件信息？
2026/02/06 00:00:00ControlNet
2026/01/29 00:00:00像素扩散模型
2026/01/29 00:00:00关于扩散模型的思考

强化学习 →

2026/05/20 10:37:10深度强化学习：DQN、策略梯度、PPO 与 GRPO
2026/05/20 10:37:10动态规划：策略迭代与价值迭代
2026/05/20 10:37:10无模型方法：蒙特卡洛、TD、SARSA 与 Q-Learning
2026/05/20 10:37:03强化学习基础：MDP、价值函数与贝尔曼方程
2026/05/20 00:00:00强化学习学习指南——中枢页
2026/05/17 00:00:00强化学习全景 2026：从算法到系统的范式转移

2026/05/17 00:00:00自回归模型研究雷达
2026/04/22 00:00:00Leetcode
2026/04/22 00:00:00REPA-E
2026/03/11 00:00:00视觉领域的 AR 模型
2026/02/06 00:00:00REPA

2026/05/29 22:19:58Agent 行业调研
2026/05/29 15:03:07Agent 行业调研（一）：定义、历史与技术底座
2026/05/29 15:03:07Agent 行业调研（二）：市场格局、产品、开源框架与大厂布局
2026/05/29 15:03:07Agent 行业调研（三）：未来，多模态、多 Agent、协议、安全与趋势判断
2026/05/18 00:00:00Harness Engineering：如何让 AI 编程 Agent 可靠地工作

2026/06/02 17:12:45GAN 实践训练指南：Loss、正则化、归一化、采样与排障
2026/06/02 17:12:40高保真 GAN：从 PGGAN、SAGAN、BigGAN 到 StyleGAN
2026/06/02 17:10:45条件 GAN 与应用：从 cGAN 到 pix2pix、CycleGAN 与 SRGAN
2026/06/02 17:10:40GAN 稳定训练：从极小极大博弈到 WGAN、梯度惩罚与谱归一化
2026/06/02 15:42:22GAN 研究脉络：从极小极大博弈到稳定训练与高保真生成

2026/06/01 23:21:25LoRA 训练完全指南
2026/06/01 23:19:20LoRA 生态与经典库：从 PEFT 到 LLaMA-Factory 的选型指南
2026/06/01 21:29:01LoRA 适用结构与代码实现：从 Linear 到 Conv 的全面适配
2026/06/01 18:19:00LoRA 原理深度调研：从低秩适应到关键变体的全面解析