一张图，快速生成可拆分3D角色！腾讯清华新SOTA CVPR 2025
腾讯AI Lab和清华大学提出的新模型StdGEN能够在3分钟内生成具有精细细节的可分拆3D角色，质量超过现有方法。StdGEN使用语义感知的大规模重建模型从多视角图像中联合重建几何、颜色和语义信息，并通过迭代优化提高质量。
CVPR 2025
CVPR 2025：无需物理引擎，一个模型搞定图像渲染与分解
Uni-Renderer团队在CVPR 2025上提出了一种双流扩散框架，实现了渲染和逆渲染的统一。通过改进的timestep调度策略、材质编辑和重光照功能等技术，该模型在性能方面达到了新SOTA水平，并且在合成数据集上的表现优于现有方法。
Transformer 架构重大改进：华人科学家刘壮联合何恺明，Yann LeCun整活
Meta AI华人团队联合大牛发布论文，证明Transformer模型可以不用Normalization层也能达到甚至超越现有性能。核心秘密是Dynamic Tanh (DyT)函数，相比传统方法，DyT简单有效，性能不输且速度快、成本低。
重磅论文！何恺明、Yann LeCun等改造Transformer，CVPR 2025已收录
Transformer模型可能迎来新变化。一篇最新论文提出无需归一化的Transformer模型能够达到甚至超过带有归一化层的性能，通过动态双曲正切函数（DyT）替代传统归一化层，有望进一步改进AI模型性能。
大模型全军覆没，中科院自动化所推出多图数学推理新基准 CVPR 2025
近日，中国科学院自动化研究所推出多图数学推理全新基准MV-MATH，旨在全面评估MLLM（多模态大语言模型）的数学推理能力。结果发现，包括GPT-4o、QvQ等先进模型在该数据集上的表现均不及格。研究团队指出，现有的多模态数学基准大多局限于单一视觉场景，而MV-MATH则包含多个图像和文本交织而成的复杂多视觉场景，覆盖11个数学领域，并分为三个难度级别。
上交CVPR 满分论文数据蒸馏技术，直接把 GPU 显存 “砍掉” 300 倍
一项研究提出了一种新的数据集蒸馏方法NCFM (Neural Characteristic Function Matching)，大幅提升了性能并实现了资源效率的飞跃。它通过引入神经特征函数差异度量指标，解决了现有方法的局限性，仅需2.3GB显存即可在单张GPU上完成CIFAR-100无损蒸馏，并显著超越了现有的SOTA方法。
CVPR 2025录用率22.1%，LeCun中奖！大模型参评，审稿人19篇论文被拒
CVPR 2025录用结果出炉，共有2878篇论文被接收，录用率为22.1%。审稿过程中发现不负责行为，19篇论文被拒。华人担任重要委员会职务，学术界努力提升质量和透明度。