[EN] MELON：无需初始位姿即可从图像中重建3D物体
Google Research团队提出MELON技术，能在不依赖相机初始位姿、预训练或复杂训练方案的情况下，仅凭4至6张未标注位姿的2D图像，高精度重建物体3D模型。该技术通过轻量级CNN编码器动态回归相机位姿，并引入模损失（modulo loss）处理物体伪对称问题，为3D重建领域提供了一种简洁且易于集成的解决方案。
计算机视觉
[EN] MELON：无需相机姿态即可从图像重建3D物体的新方法
Google Research团队提出MELON方法，能够在没有相机姿态初始估计的情况下，仅凭4-6张2D图像即可重建3D物体，通过轻量级CNN编码器和模损失函数解决了姿态推断中的伪对称问题。
[EN] ScreenAI：谷歌发布针对UI和信息图表的视觉语言模型
Google Research 推出了 ScreenAI，一个仅 5B 参数的视觉语言模型，专门用于理解用户界面和信息图表。该模型基于 PaLI 架构与 pix2struct 的灵活分块策略，在多个基准测试中取得领先结果，并配套发布了三个新数据集以评估布局理解与问答能力。
[EN] MELON：无需相机位姿从图像重建3D物体
Google Research团队提出MELON（模等价潜在优化NeRF）技术，能在完全没有相机位姿先验信息的情况下，仅用4-6张2D图像就重建出3D物体，通过轻量CNN编码器与模损失函数解决了长期存在的位姿与3D结构间的“先有鸡还是先有蛋”难题。
[EN]Google提出ScreenAI：统一理解UI与信息图的视觉语言模型
Google研究人员推出ScreenAI，一种基于PaLI架构与pix2struct灵活分片策略的视觉语言模型，仅5B参数即可在UI与信息图理解任务上达到业界领先水平。模型通过自监督预训练与人工标注微调，结合大规模屏幕标注数据，能完成UI元素识别、导航、问答等任务，并开源了三个新数据集。
[EN] MELON：无相机姿态先验的多视图3D对象重建新方法
Google Research 提出 MELON 技术，无需初始相机姿态估计、复杂训练或预训练，即可从少量未标定图像中同时推断相机姿态并重建 3D 对象，在 NeRF 框架下实现高精度。
[EN] ScreenAI：谷歌发布5B参数视觉语言模型，统一理解UI与信息图
谷歌研究团队推出ScreenAI，一个仅5B参数的视觉语言模型，基于PaLI架构和pix2struct的灵活分块策略，在UI元素识别、图表问答等任务上达到最优性能，并开源了Screen Annotation、ScreenQA Short和Complex ScreenQA三个新数据集。
[EN] ScreenAI：面向UI与信息图的视觉语言模型，5B参数达SOTA
Google Research发布ScreenAI，一种基于PaLI架构并融合pix2struct灵活分块策略的视觉语言模型。该模型在仅有5B参数的情况下，在WebSRC、MoTIF等UI及信息图任务上达到最优水平，并在Chart QA、DocVQA等基准测试中超越同规模模型。研究团队还开源了Screen Annotation、ScreenQA Short和Complex ScreenQA三个新数据集。
[EN] MELON：无需初始姿态估计即可从少量图片重建3D物体
Google Research 团队提出 MELON 技术，能在无相机初始姿态、无预训练数据的条件下，仅凭4-6张图片即可高精度重建物体的3D NeRF模型，解决了姿态未知下的“先有鸡还是先有蛋”难题。