Realbotix 公司宣布推出其自主研发的 Realbotix 机器人 AI 视觉系统（ Realbotix Robotic AI Vision System）。这一创新的系统将为类人机器人设定新的真实感和适应性标准，旨在提升用户互动体验，并实现实时环境感知。Realbotix 机器人 AI 视觉系统具有多项关键功能，包括用户面部识别、物体识别、面部追踪和实时场景检测等。这些增强功能拓宽了机器人的应用场景，提升了其环境感知能力。图源备注:图片由AI生成，图片授权服务商Midjourney在与人类的互动方面，Realbotix AI 视觉系统能够检测到人类的存在

阿里云通义千问开源了全新的视觉模型Qwen2.5-VL，并推出了3B、7B和72B三个尺寸版本。其中，旗舰版Qwen2.5-VL-72B在13项权威评测中夺得视觉理解冠军，超越了GPT-4o与Claude3.5。阿里云官方介绍称，新的Qwen2.5-VL能够更准确地解析图像内容，并突破性地支持超过1小时的视频理解。该模型可以在视频中搜索具体事件，并对视频的不同时间段进行要点总结，从而快速、高效地帮助用户提取视频中的关键信息。此外，Qwen2.5-VL无需微调即可变身为一个能操控手机和电脑的AI视觉智能体（Visual Agents），实现多

在AI视觉创作领域，MOKI短片工具近日宣布了其最新升级，引入了备受期待的会员功能，并接入了VIDU和可灵AI两大模型，进一步丰富了创作者的创作体验。此次更新不仅保留了原有的美图奇想大模型，还通过新增的VIDU和可灵AI大模型，为动画场景、运动效果和可控性提供了定制化的优化，以满足不同创作者的需求。

12月30日，支付宝推出新一代AI视觉搜索产品“探一下”，基于自研的多模态大模型技术，可“用AI之眼探索万物”，提供更快速、有用、趣味的生成式搜索服务。用户遇到感兴趣的事物，就能让AI通过摄像头，识别花草宠物和潮玩、做旅游的随身讲解、查询商品药品详情等，还能趣味解读萌宠照、宝宝照等，晒图不愁配文案。目前该产品已上线支付宝，在首页点击“扫一扫”后左划即可找到它，在支小宝App也能快速访问。2024年以来，支付宝接连发布“支小宝”等AI独立应用及智能体开发平台

在AI视觉领域，目标定位一直是个老大难问题。传统的算法就像个“近视眼”，只能粗略地用“框框”圈出目标，却看不清里面的细节。这就好比你跟朋友描述一个人，只说了个大概身高体型，朋友能找到人才怪!为了解决这个问题，一群来自伊利诺伊理工大学、思科研究院和中佛罗里达大学的大佬们，开发了一套名为SegVG的全新视觉定位框架，号称要让AI从此告别“近视眼”!SegVG的核心秘诀就是:“像素级”细节!传统的算法只用边界框信息训练AI，相当于只给AI看个模糊的影子。而SegVG则是把

妙刷是一款基于AI视觉技术的创意应用，致力于为用户提供简单易用的创作工具，让每个人都能轻松地将创意变为现实。妙刷将强大的AI能力整合到一个平台，提供图像处理、文本生成图像、音频可视化以及视频创作等多种功能。妙刷最大的特点在于降低了艺术创作的门槛，即使是没有任何创作经验的普通用户，也能利用AI技术，将日常生活中的点滴素材转化为独特的艺术作品。 例如，用户可以将宠物照片变成可爱的动漫形象，将风景照改造成充满奇幻色彩的艺术作品，甚至可以根据自己的

近日，H2O.ai 宣布推出两款新型视觉语言模型，旨在提升文档分析和光学字符识别（OCR）任务的效率。这两款模型分别是 H2OVL Mississippi-2B 和 H2OVL-Mississippi-0.8B，它们在性能上与大型科技公司的模型相比，展现出令人瞩目的竞争力，可能为处理文档繁重工作流的企业提供更为高效的解决方案。H2OVL Mississippi-0.8B 模型虽然只有8亿参数，却在 OCRBench 文本识别任务中超越了所有其他模型，包括那些拥有数十亿参数的竞争对手。而20亿个参数的 H2OVL Mississippi-2B 模型则在多项视觉语言基准测试中表现不

近日，英特尔正式推出了全新的 Xeon6处理器和 Gaudi3AI 加速器，这两款产品旨在增强公司在人工智能（AI）和高性能计算(HPC)领域的竞争力。随着 AI 技术的飞速发展，对于高效、经济的基础设施需求愈加迫切，英特尔对此作出了积极回应。Xeon6处理器配备了性能核心（P-cores），能够将 AI 视觉处理的性能提升整整一倍，而 Gaudi3加速器的吞吐量也增加了20%。这意味着，在处理复杂的计算任务时，这些新产品将显得更加得心应手。同时，Xeon6还具备更高的核心数量和内存带宽，能够满足从边缘计算

视觉中国宣布战略投资CG模型网，旨在共同开拓人工智能时代下的视觉内容产业新领域。此举不仅深化了视觉中国在3D内容领域的布局，也预示着国内3D内容交易市场将迎来新机遇。CG模型网拥有庞大的3D模型创作者社区和丰富的内容资源，与视觉中国合作后，将为客户提供全品类“一站式”解决方案，增强对多个行业的覆盖，丰富视觉中国的内容生态。双方合作将推动3D内容在传媒、广告营销、互联网平台等领域的应用，同时探索新技术和新场景，提升核心竞争力，共同促进3D内容领域的繁荣发展。

["疫情期间,扫描产品实现逆势增长,IDC数据显示2021年我国扫描仪出货量同比增9.7%","谷歌的Tesseract OCR引擎识别准确率近100%,极大地解决了数据准确性问题","夸克扫描王推出万能扫描功能,支持文字和表格内容编辑,提高用户体验","夸克扫描王针对年轻用户痛点,实现自动文档格式和布局识别","大模型技术助力夸克扫描王手写识别和公式识别准确率达99%,领先行业"]