海外AI社区关注中国AI新变化：360人工智能研究院6篇论文入选2026年AI顶会，探索“精准可控”新方向

入选ICML2026的论文 FG-CLIP 2 聚焦视觉语言模型中的细粒度理解问题。

在人工智能应用中，理解能力是AI进入真实场景的基础。传统图文模型已经能够完成基本的图像识别和语义匹配，但面对更加复杂的真实场景时，仍然容易出现理解偏差。例如，“蓝色沙发上的猫”和“蓝色沙发上的狗”，对于人类而言区别明显，但对于部分模型来说，可能仍然存在识别困难。

FG-CLIP 2通过增强视觉信息与文本语义之间的细粒度对齐能力，让模型不仅能够理解图像整体内容，还能够更加准确捕捉局部区域与文本描述之间的对应关系，实现从“看懂大概”到“理解细节”的提升。该研究进一步提升了多模态模型在智能搜索、图像理解等场景中的精准能力。

AML通过优化视觉区域与语言指令之间的关联机制，使智能体能够更加准确识别用户真正关注的对象，提高复杂环境下的目标定位能力，为未来智能交互和Agent应用提供技术支持。

入选ECCV2026的论文 MoSA则探索了视觉模型自主学习的新方向。

当前主流视觉基础模型的发展高度依赖人工标注数据，而大规模人工标注不仅成本高，也限制了模型进一步扩展。MoSA提出了一种基于视频运动信息的自主学习方法，让AI通过观察视频中物体的运动规律，自主学习和理解物体边界。

该研究利用超过1万小时无标注视频数据，自动生成超过2100万个训练标签，全程无需人工参与。这一方法探索了视觉模型从“依赖人工标注学习”向“通过观察自主形成认知”的新路径，为未来更大规模、更低成本的AI训练提供新的技术思路。

随着生成式AI快速发展，AI生成内容的质量不断提升，但如何按照用户需求进行精准控制，成为新的技术挑战。

入选ICML2026的论文 RevealLayer 聚焦图像可控编辑问题。

当前生成模型可以生成高质量图片，但在实际应用中，用户往往需要对图片中的特定区域进行调整，例如修改人物、改变局部元素，而不是重新生成整张图片。

RevealLayer提出了一种新的图像分层理解方法，将图像拆解为类似设计软件中的可编辑图层，并结合精细化控制能力，实现对不同区域更加精准的编辑。该研究推动生成式AI从“一次生成”向“可编辑、可控制”的方向发展，为设计、营销、内容生产等场景提供新的技术基础。

AI技术真正进入产业场景，不仅需要效果提升，也需要兼顾效率和成本。

入选CVPR2026的论文 RefTON 聚焦虚拟试衣领域。

传统虚拟试衣技术通常需要人体姿态等额外信息支持，在复杂材质、细节纹理还原方面仍存在挑战。

RefTON提出基于参考图像引导的方法，在减少辅助输入的同时，更好保留服装纹理、材质以及设计细节，提高虚拟试衣结果的真实感。

另一篇入选CVPR 2026的论文 NAMI 则关注高分辨率图像生成效率问题。

随着生成模型能力不断提升，高质量图像生成通常伴随着更高计算成本。NAMI提出新的模型架构优化方法，在保证生成质量的同时降低推理开销，使1024×1024分辨率图像生成推理效率提升约64%，进一步推动生成式AI向更多实际应用场景拓展。

在持续推进基础研究创新的同时，360人工智能研究院也积极推动技术成果向产业场景转化。

目前，部分研究成果已经应用于实际产品。其中，FG-CLIP 2相关技术已应用于360云盘、亿方云、AI知识库等产品的智能搜索能力建设，提升海量内容检索和理解能力；RevealLayer相关技术已在360 SaaS平台落地，为企业用户提供更加智能、高效的内容处理能力。

从顶会论文到产品应用，人工智能技术正在经历从实验室探索走向产业实践的重要阶段。

未来，随着AI进一步进入办公、搜索、内容生产、安全等更多场景，仅具备生成能力已经无法满足产业需求。如何让AI更加精准理解、更可靠执行、更稳定运行，将成为推动人工智能规模化应用的重要方向。

360人工智能研究院此次6篇论文入选国际顶级会议，是围绕人工智能基础研究和产业应用持续探索的重要成果。面向AI发展的下一阶段，360将继续推动技术创新与产业需求结合，探索让AI从“能用”走向“精准可用”的更多可能。