#computer vision

LingBot-Vision 提出了掩码边界建模方法，由教师网络生成边界标记供学生重建，在 NYUv2 线性探测任务上以 1.1B 参数达到 0.296 RMSE 的最优结果，优于 DINOv3-7B 的 0.309。 这种新颖的自监督预训练方法在更少数据（1.61 亿张图像，而 DINOv3 约 5 亿张）下显著提升了深度估计性能，有望减少计算机视觉中对标注数据和大规模预训练的需求。 该方法采用师生框架，边界标记来自教师自身的预测，无需外部边缘检测器；掩码区域强制重建包含边界的区域。模型包含四种规模，权重以 Apache-2.0 许可证发布。

IMGNet 提出了一种人脸验证模型，用滑动窗口符号模式匹配取代余弦相似度，在 LFW 上达到 96.27% 的准确率，模型大小仅 10.58 MB，在 CASIA-WebFace 上训练。 这种新颖的方法可能实现更高效、更紧凑的人脸验证系统，而符号模式匹配无需重新训练即可提升 ArcFace 嵌入的发现，表明这是良好训练的人脸嵌入的基本属性。 该模型使用 SW Block 替代标准卷积，采用多尺度关系操作；定义了纯基于符号模式一致性的 IMG Sign MSE Loss；以及结合三种度量的投票系统。在无需重新训练的情况下应用于 ArcFace (buffalol)，IMG Sign Score 在 LFW 上达到 99.58%，仅比 ArcFace+Cosine 低 0.24%。