热点事件持续更新
GazeFlow：生成式自我中心注视预测
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
GazeFlow 将自我中心注视预测建模为联合分布下的条件流匹配，利用视频编码器提取底层视觉特征并结合顶层任务信息迭代生成注视轨迹。该方法在标准数据集上实现逐帧指标最优，生成轨迹更符合人类注视的时间动态特性。相关研究已被 NeurIPS 2026 接收。
AI 根据报道生成 · 1 小时前更新
最新进展10月1日 12:00
GazeFlow 通过条件流匹配联合建模注视分布，在标准数据集达逐帧最优并被 NeurIPS 2026 接收。报道时间线
沿着报道，了解事件的不同侧面。
10月1日
- arXiv · Computer VisionGazeFlow：从人类注视行为到生成式自我中心注视预测
GazeFlow 将自我中心注视预测建模为联合分布下的条件流匹配，通过视频编码器提取底层视觉特征并结合顶层任务信息迭代生成注视轨迹。在标准数据集上达到逐帧指标最优，生成轨迹更符合人类注视的时间动态特性。该研究已被 NeurIPS 2026 接收。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。