华中科技大学归档

CVPR’25｜华科&精测强强携手：AnomalyNCD实现多类别缺陷自主分类，无需人工标注也能精准识别缺陷类别

2025年8月2日23时作者极市干货

华科&精测提出AnomalyNCD，采用自监督学习和掩膜引导策略实现工业缺陷多类别自主分类，性能优于现有方法，具备数据集开放能力。

2025年6月24日23时作者 HyperAI超神经

华中科技大学联合金山办公推出文档解析模型MonkeyOCR，在处理包含公式和表格的复杂文档时表现出色，提升了15.0%和8.6%的性能。

2025年6月23日23时作者极市干货

华中科技大学开发的MonkeyOCR文档解析模型在OmniDocBench数据集上取得显著成果，相比MinerU、Qwen2.5-VL等开源和闭源大模型，在中文内容识别方面表现出色。该模型采用结构-识别-关系(SRR)三元组方法，并基于大规模标注数据集MonkeyDoc进行训练。

2025年6月7日16时作者量子位

近年来多模态大模型在理解和复杂推理任务中取得进展，但其对高分辨率图像（如地铁图）的理解能力仍存争议。为此，西湖大学、新加坡国立大学等团队提出ReasonMap评测基准，聚焦于高分辨率交通图的多模态推理，发现当前开源模型存在性能瓶颈，并指出强化学习后训练模型在某些维度上优于现有模型。

2025年4月28日8时作者 NLP工程化

华中科技大学研究者发表MCP综述论文，全面分析其生态系统、架构及安全风险，并提出未来研究方向。

2025年4月11日11时作者机器之心

本文提出了一种新的端到端自动驾驶框架ORION，通过引入QT-Former聚合历史场景信息、VLM进行场景理解与指令生成以及生成模型对齐推理空间和动作空间，实现在闭环评测数据集Bench2Drive上的优异性能。

2025年4月9日23时作者极市干货

清华大学和华中科技大学的研究团队提出了一种新型异常检测方法INP-Former，通过从单张测试图像中动态提取内在正常原型（INPs），并利用这些INPs指导图像重建，实现了卓越的性能和强大的泛化能力。

2025年4月8日16时作者量子位

华中科大等机构提出Holmes-VAU模型及HIVAU-70k数据集，显著提升视频异常理解能力。该模型在长视频中采用动态稀疏采样策略，结合多层级指令数据实现准确的异常检测和分析。

2025年3月19日11时作者量子位

可灵视频生成产品接入R1后，通过调用AI助手设计提示词，即使输入单个字也能精准生成相关视频。DeepSeek帮助设计的提示词不仅扩充细节，还能将复杂抽象的内容具体化。新成果ReCamMaster则是镜头可控的生成式视频再渲染框架，支持多种镜头操作重现复杂场景。