苹果将在 ICCV 2025 展示多项前沿视觉研究成果

苹果宣布将携多篇论文亮相 2025 年国际计算机视觉大会（iccv 2025），展示其在多模态人工智能、图像生成及视频理解等关键技术领域的最新研究成果。本届大会将于 10 月 19 日至 23 日在夏威夷檀香山召开。

此次，苹果共有八项研究工作被大会收录，内容涉及文本到视频生成的评估机制、三维空间感知能力分析、多模态模型扩展规律探索，以及统一架构下的图像生成与编辑扩散模型等多个前沿课题。具体包括：

• ETVA：一种新颖的文本-视频对齐质量评估方法；
• MM-Spatial：针对多模态大模型在三维空间理解方面的性能探究；
• Scaling Laws for Native Multimodal Models：深入研究原生多模态模型随规模增长的表现规律；
• Stable Diffusion Models are Secretly Good at Visual In-Context Learning：揭示稳定扩散模型在视觉上下文学习任务中隐藏的强大能力；
• UniVG：支持图像生成与编辑一体化的通用扩散框架；
• 以及用于评测交互式智能体表现的基准工具 UINavBench 等。

值得一提的是，苹果应用研究经理 Dr. C. Thomas 将受邀在大会的工业视觉检测专题环节发表主旨演讲。同时，苹果研究团队成员 Patricia Vitoria Carrera 与 Tanya Glozman 将出席“女性在计算机视觉”（Women in Computer Vision, WiCV Workshop） 工作坊并担任导师，致力于推动学术界的多样性与包容性发展。