计算机视觉

计算机视觉领域近期呈现三大趋势：工程基础设施升级、细分任务精度突破以及数据生态扩展。首先，开源计算机视觉库 OpenCV 发布第5版，其新引入的 DNN 引擎原生支持大模型推理，标志着经典工具正在适配现代深度学习需求（OpenCV 5 发布：全新 DNN 引擎，原生支持大模型）。其次，在细粒度分类任务中，研究者提出两阶段视觉流水线，利用 ViT 实现车辆分类准确率达0.94，展示了视觉 Transformer 在特定场景下的潜力（开源两阶段视觉流水线：用ViT实现细粒度车辆分类，准确率达0.94）。同时，多视角目标关联领域指出当前指标（如排名指标）与分配任务之间存在错配，激发了对评估体系优化的讨论（多视角目标关联中的指标错配：排名 vs 分配）。在3D场景重建方面，自适应特征优方法通过优化视觉前端提升了效率（自适应特征优化视觉前端提升3D场景重建效率）。此外，大型学术实验室如斯坦福SAIL在CVPR 2026上集中展示了一系列工作（斯坦福SAIL实验室CVPR 2026论文汇总）。应用层面，中国将老旧摄像头网络升级为AI监控系统，体现了CV在公共安全中的大规模落地（中国将老旧摄像头网络升级为AI驱动的监控系统）。数据方面，UFO数据集上线Hugging Face，可能推动更多团队参与CV模型训练（UFO数据集现已上线Hugging Face，谁将训练首个CV模型？）。当前焦点集中在如何平衡传统CV工具与新模型的融合、细分任务评估标准的改进，以及数据生态的开放性。未来需观察OpenCV 5对边缘部署的影响、多视角评估指标的标准化进程，以及UFO等数据集是否催生新的模型竞赛。