标签
EgoXperience 提出一个统一框架，通过自动标注的大规模数据和单次前向传播模型，从第一人称视频中联合重建相机运动、场景几何、手部与物体，并发布了 EgoX-Data-6M 数据集与 EgoX-Bench 基准，取得显著优于基线的性能。
HumanoidPose 是一个全新框架，仅通过视频即可恢复人形机器人的全身关节配置。该框架将预训练的人体姿态特征与机器人运动学相结合，并利用无标注视频进行自训练，在三个真实人形机器人平台上将关节角度误差相比基线方法降低了 18-32%。
提出了一个用于印度手语识别的混合框架，结合运动学条件自适应GCN与距离感知弹性Transformer，并利用熵驱动SVD采样器提取关键帧，在自建的120类原生ISL数据集上达到89.8%的准确率。
NVIDIA 研究人员推出了 GATOR，这是一个生成式智能体框架，可从一张或多张随手拍摄的图像中重建完整、带纹理的 3D 对象资产及其相对于场景的位姿，并通过局部模态混合器、文本引导的语义条件控制，以及“编辑—渲染—审查”的智能体循环进行优化。
Pickle Sensei 是一款 iOS 上的 AI 匹克球教练应用，通过设备端视频分析提供挥拍技术评分、姿势骨架叠加慢动作回放和 40+ 训练计划，支持免费试用，Pro 版每月 $7.99 起。
本文介绍了针对Icelandic Sign Language的孤立手语识别的首次实验，使用低资源数据集，表明从其他手语的跨语言迁移显著提高了性能。
rtmlib是一个轻量级、开源的姿态估计库，支持全身、手部、面部和动物姿态跟踪，基于rtmpose和vitpose模型构建，内置Gradio网页用户界面。
Scal3R 通过使用带有轻量级令牌和位姿图优化的多参考相对姿态查询，改善了长视频的在线三维重建，减少了漂移并实现了最先进的性能。
EasyMocap是由浙江大学构建的开源工具箱，能够从常规RGB视频中估计3D人体姿态，被HumanNeRF等研究项目使用，但由于SMPL身体模型，存在许可考虑。
本文提出了一种利用计算机视觉分析奶牛互动的效价感知社交网络框架，揭示了亲和与对抗性网络结构的鲜明对比，强调了互动效价在社交网络分析中的重要性。
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。
CIPER是一个统一的Transformer框架，能够联合执行城市级跨视图图像检索和精确的三自由度（3-DoF）姿态估计，克服了级联管道的局限性。
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。
本综述将工业视觉仿真到现实重新定义为一种按先验可用性组织的域间隙问题，区分了CAD引导、CAD缺失和边界先验设置，从而将基于CAD的检测和6D姿态估计文献与通常单独综述的工业异常及表面检测文献联系起来。
说明“无标记”动作捕捉仍然使用标记，但通过网络摄像头估算，而非昂贵设备，从而实现多人、尺度感知的捕捉。
SignX提出了一种用于连续手语识别的新框架，该框架将异构姿态格式统一到紧凑的潜在空间中，并在像素空间基线基础上实现50倍计算加速，同时达到最先进的准确率。
RuView 是一个开源 WiFi 传感平台，利用来自低成本 ESP32 传感器的信道状态信息（CSI）来检测人员、追踪运动、测量生命体征，以及在不使用摄像头或穿戴设备的情况下估计穿透墙壁的姿态。该系统完全在边缘硬件上运行，具有密码学证明机制，并使用脉冲神经网络进行本地自适应。