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-化.

目前, 部分研究成果已经应用于实际Products. 其中, FG-CLIP 2 相关技术已应用于 360云盘, Fangcloud, AI 知识库等Products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Products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.