LVLM
空间智能再进化：Spatial-SSRL与LVLM推动自监督强化学习下的空间理解
上海人工智能实验室联合多所高校研发的Spatial-SSRL技术，通过创新的自监督强化学习范式，无需外部标注即可显著提升视觉大语言模型的空间理解能力。该技术基于RGB和RGB-D图像构建五种自监督任务，在Qwen2.5-VL和Qwen3-VL架构上实现平均3.89%-4.63%的性能提升，同时完美保持模型原有通用视觉能力，为自动驾驶和具身智能等领域提供了低成本、高效率的空间智能解决方案。
Video-RAG：轻量高效的长视频理解与多模态对齐框架
Video-RAG是由厦门大学、罗切斯特大学和南京大学联合研发的轻量级长视频理解框架，采用多模态辅助文本检索增强生成技术，无需模型微调即可实现高效的视觉-语义对齐。该框架在多个基准测试中超越商业模型，为教育、安防、医疗等领域的视频分析应用提供了低成本、高可扩展的解决方案。
AI Tools Nav 收录了全球优质的 AI 工具与人工智能应用平台，覆盖 AI写作、AI绘图、AI编程、AI音频处理、AI视频编辑、AI办公自动化、AI搜索引擎 等多个领域，持续每日更新，让你快速找到好用的 AI 工具，提高工作与创作效率。