标签
结构化先验知识（SPK）是一个框架，它从预训练目标检测器中显式提取潜在的语义、几何和上下文先验，以实现最先进的离群分布检测，提高可解释性和可靠性。
OpenAI 的 GPT-5.6 Sol 在基准测试中被评估为该公司迄今最强的视觉模型，与 GPT-5.5 等前代模型相比，在物体检测和其他视觉任务上表现出显著提升。
腾讯研究人员提出YOLO-PEFT，一种结构感知框架，将适配器放置视为约束规划，在YOLO检测器上优于全量微调，同时使用的可训练参数显著更少。
VLX-Seek-1.5-10B 是 omlab 推出的开源 10B 视觉语言模型，专为无人机、机器人和监控等具身场景中的细粒度视觉定位而设计，采用区域引用定位而非坐标生成。
YOLO-PEFT 是一个结构感知框架，将适配器放置建模为约束规划问题，用于 YOLO 检测器的参数高效微调，在降低内存占用的同时取得了优于全量微调的 mAP。
SkalskiP 重点介绍了 Qwen3.8-Max，这是一个用于目标检测的视觉语言模型，可以通过正负框提示生成检测结果，在单个或多个提示下实现 60-80% 的 mAP，并且在不同类型的图像上表现良好。
一条推文声称 Qwen3.8-Max 是最佳目标检测 VLM，在卫星、红外、文档和手绘图像方面表现出色，并分享了示例。
本文介绍了SULAND v2，一个精细化的RGB地表地雷检测数据集和基准，用于UAV/UGV测量，解决了目标检测中的标注错误和域偏移评估问题。
本教程介绍如何使用 ROS 2 和 YOLOv11 构建用于机器人技术的实时目标检测与跟踪管道，涵盖线程推理、ByteTrack 集成、置信度验证以及用于边缘部署的 ONNX 导出。
作者使用ARM64汇编语言从头实现了YOLO26n模型推理，没有使用任何外部框架，展示了底层AI推理技术。
本文提出一个框架，利用Toulmin论证模型对基于OCT图像的ML视网膜诊断进行结构化，整合生物标志物提取、医学大语言模型推理（MedGemma）和相似度度量（MedSigLip），以实现可解释且基于证据的诊断辅助。
Moondream 3.1 是一款采用混合专家架构的视觉语言模型（总参数量9B，激活参数量2B），提供最先进的视觉推理、检测、指点和描述功能，可通过 Photon 推理引擎本地部署，或通过 Moondream Cloud API 使用。
介绍LipSSD，一种Lipschitz约束的Single Shot MultiBox Detector（SSD）变体，能够在不依赖特定攻击且与对抗训练互补的情况下提升目标检测的对抗鲁棒性。在Pascal VOC、LARD和KITTI数据集上进行了评估。
将联邦学习应用于无人机编队的目标检测，无需集中航拍图像即可实现协作训练，在保护隐私和降低带宽的同时，性能接近集中式训练。
介绍了CamoNAS，一种用于伪装目标检测的频率感知多分辨率神经架构搜索框架，在四个基准测试上取得了最先进的结果。
英伟达开源了视觉定位模型 LocateAnything-3B，能够在密集场景中精准检测并框出所有目标对象。
一位开发者利用 Roboflow RF-DETR 进行检测、MediaPipe 捕捉身体角度、OpenCV 进行分析和标注，构建了一个 AI 篮球教练。
YOLO26 是一个于2026年1月发布的多任务计算机视觉模型系列，具备无需 Non-Maximum Suppression 的端到端检测功能以降低延迟，并针对边缘部署进行了优化，具有改进的CPU推理能力和紧凑设计。
NVIDIA发布了LocateAnything，这是一个开源模型，通过同时预测所有坐标而非顺序预测，实现了约10倍的物体检测速度提升，在单块H100上达到12.7 FPS，并超越了320亿参数模型。
Ultralytics YOLO26 引入了一个统一的实时视觉模型家族，具有无需NMS的推理、改进的训练策略以及用于检测、分割和姿态估计的多任务能力，实现了最先进的精度与延迟权衡。