MMLab@HKU 闪耀 CVPR 2025！与全球顶尖学者共话 AI 前沿

正文

请到「今天看啥」查看全文

03

六场深度活动：解锁 AI 落地的技术密码

除了国际竞赛，MMLab 在 CVPR 2025 也 主办了六项前沿 Workshop、Tutorial 活动 ，全面覆盖自动驾驶、多模态、世界模型、协同感知、数据赋能等热点议题。

• Embodied Intelligence for Autonomous Systems on the Horizon

• Workshop on Autonomous Driving

• Distillation of Foundation Models for Autonomous Driving

• Multi-Agent Embodied Intelligent Systems Meet Generative-AI Era: Opportunities, Challenges and Futures

• Robotics 101: An Odyssey from A Vision Perspective

• The 1st Workshop on Benchmarking World Models

04

技术风向标：多项AI前沿研究盘点

在生成式智能与多模态感知飞速发展的当下，这一系列研究成果展示了在跨模态理解、场景生成、人机交互和机器人智能等领域的一些进步。比如，文本驱动的视频合成、图像安全性评估、高精度的三维高斯建模和机器人操作策略学习这些技术，都在提升模型的通用性、效率以及在现实世界中的适应能力。不管你关心的是更安全可信的生成系统、更聪明的机器人大脑，还是更高质量的视觉生成模型，这些项目都代表了技术创新的前沿，欢迎关注！

• TokenHSI: Unified Synthesis of Physical Human-Scene Interactions through Task Tokenization [Oral]

• 统一物理人景交互合成，通过任务分词实现

• arXiv: https://arxiv.org/abs/2503.19901

• Github: https://github.com/liangpan99/TokenHSI

• Parallelized Autoregressive Visual Generation [Highlight]

• PAR ，根据视觉 token 间依赖关系所设计的并行自回归生成模型

• arXiv: https://arxiv.org/abs/2412.15119

• Github: https://yuqingwang1029.github.io/PAR-project/

• RoboTwin: Dual-Arm Robot Benchmark with Generative Digital Twins [Highlight]

• 机器人双臂评测基准集与数据合成器

• arXiv: https://arxiv.org/abs/2504.13059

• Github: https://github.com/TianxingChen/RoboTwin

• HMAR: Efficient Hierarchical Masked AutoRegressive Image Generation

• HMAR ，通过多尺度自回归与掩码重建结合的高效高质量图像生成模型

• arXiv: https://arxiv.org/html/2506.04421v1

• Project Page: https://research.nvidia.com/labs/dir/hmar/

• MBQ: Modality-Balanced Quantization for Large Vision-Language Models

• MBQ ，均衡视觉和语言之间敏感性差异的视觉 - 语言模型量化方法

• arXiv: https://arxiv.org/abs/2412.19509

• Github: https://github.com/thu-nics/MBQ

• MIDI: Multi-Instance Diffusion for Single Image to 3D Scene Generation

请到「今天看啥」查看全文