Apache TVM 是一个适用于嵌入式设备的深度学习编译框架。本文介绍如何训练 MobileNetV1 模型并将其部署到 Arduino，实现物体识别。教程包括数据集准备、模型训练、量化和编译，最终使模型在 Arduino 上运行。

本研究提出V$^2$R-Bench基准框架，以评估大型视觉语言模型（LVLM）在视觉变化（如位置、尺度、方向和上下文）下的鲁棒性。结果表明，即使是表现优秀的模型在简单物体识别任务中也存在不足，揭示了其架构设计的缺陷，强调未来设计需进行创新。

本研究评估了视觉语言模型（VLMs）在基础视觉概念理解方面的不足，发现其在物体识别上表现良好，但在方向和位置等低中级视觉能力上存在显著缺陷。

HuggingFace推出HuggingSnap应用，支持iOS、macOS和visionOS，利用本地smolvlm2模型实现离线实时物体识别，节省电量，适合购物、旅行和学习等场景。

谷歌DeepMind今天发布了一系列新的Gemini模型，专为机器人设计。Gemini Robotics是一个视觉-语言-动作模型，能够将自然语言和图像转化为机器人动作。Gemini Robotics-ER模型增强了识别3D空间中物体及其部件的能力，使机器人能够完成折纸、打包午餐等任务。

本研究探讨了深度神经网络在物体识别中产生偏见的原因，尽管训练数据均衡。研究通过几何分析框架发现，类别感知流形的几何复杂性差异导致识别能力不均，从而引入偏见。

YOLOv11 是一款新一代目标检测模型，提升了检测精度和复杂场景适应能力，支持物体检测、分类和姿态估计等多种视觉任务。在自动驾驶中表现优异，能够精准识别车辆、行人和交通标志。HyperAI 提供了一键部署教程，方便用户快速体验 YOLOv11 的强大功能。

本研究探讨了上下文信息对物体识别模型准确性的影响，发现对象体积的影响显著高于上下文体积，并揭示上下文变化对模型性能的影响超出预期，为物体识别模型的改进提供了新见解。

本研究探讨了机器学习在不同视角下识别同一物体的挑战，借鉴幼儿的注视行为。提出了一种生物启发的视觉学习模型，证明幼儿的视觉体验能增强物体表示学习，支持自我监督学习。

我们提出了一种基于稳定循环网络的“动态网络架构”智能系统，应用于视觉领域。该模型通过自组织机制和Hebbian可塑性，能够在高噪声环境中保持线条表示的稳定性，并从部分遮挡中重建特征。研究重点在大脑皮层区域，展望未来的物体识别能力。

本研究提出了一种新方法，通过解耦槽注意力模块，解决了物体中心学习在不同场景下识别相同物体的难题。实验结果表明，该方法在物体识别和复杂场景生成方面表现优异，具有重要应用潜力。

自1950年代以来，人工智能不断发展，现在在虚拟现实中起重要作用。AI通过优化图形渲染、物体识别、行为分析和个性化定制来提升VR体验。

本研究使用新型实验评估了DNN颜色嵌入的感知一致性，并通过在线调查评估了这些算法如何预测人类的颜色相似性判断。结果显示，基于小波分解的可解释和基于认知的颜色知觉模型提供更一致的颜色嵌入结果，更好地预测了人类的颜色判断。这些发现对于分析机器学习算法的感知表示和改进其作为人类视觉的认知合理模型具有创新意义。

本文介绍了一种名为“动态网络架构”的智能系统架构，该架构依赖于稳定循环网络，并讨论了其在视觉上的应用。通过动态连接主义原则，该模型能够稳定初级传入信号引起的神经激活，并能够从部分遮挡的输入中重建预期特征。研究限制了DNA在一个大脑皮层区域，并提供了关于该区域的优势和不足的深入理解。未来的工作将探索如何通过组合多个区域来实现不变的物体识别。

本研究提出了一种深度学习方法，将高分辨率训练数据中的细粒度知识传递到低分辨率测试场景中，具有实际应用价值。实验结果显示该方法在物体识别方面表现出色。