STATION 08 · FRONTIER VISION
CV 前沿探索：从专用算法到统一视觉模型
理解计算机视觉从手工特征、CNN、检测分割，到视觉基础模型与统一视觉任务接口的发展方向。
指令提示语 (Instruction Prompt)
segment depth normal edit
视觉核心
通用多任务模型
语义
深度
法线
编辑
解码结果
掩码 · 几何 · 编辑
- 手工特征SIFT / HOG
- CNN 表征可学习特征
- 检测与分割多任务检测头
- 视觉基础模型SAM / DINO
- 多模态视觉模型VLM / CLIP
- 统一视觉模型通用多任务
统一任务接口 · UNIFIED TASK INTERFACE
同一张图像，不同任务输出不同结果
输入图不变，只切换任务接口；输出以预设视觉层模拟，不调用真实模型。
指令提示语 (Instruction Prompt)Generate a visual task output.
生成图像结果 (RGB Output)任务输出
解码结构化结果 (Decode Result)结构化结果
前沿基础模型 / FOUNDATION MODELS
前沿模型卡片
图文对齐与开放词表理解
把图像和文本放进同一语义空间，使分类不再局限于固定标签。
- 代表任务
- 开放词表分类、检索
- 系统关系
- CNN 表征进入语义对齐
自监督视觉表征
不用人工标签也能学习稳定视觉特征，支撑迁移和密集预测。
- 代表任务
- 特征提取、聚类、检测预训练
- 系统关系
- 延伸角点特征与 CNN 学习
提示式分割
用点、框或粗略区域作为提示，把分割变成可交互接口。
- 代表任务
- 交互分割、自动 mask
- 系统关系
- 连接检测框与分割 mask
视觉语言模型
把图像理解、语言推理与任务指令组合到同一个对话式入口。
- 代表任务
- 视觉问答、指代表达
- 系统关系
- 从高层任务走向多模态推理
把视觉任务输出统一为 RGB 图像式结果
以图像生成器作为通用视觉学习器，将分割、深度、法线、边缘等任务转为可解码可视化图。
- 代表任务
- RGB 任务图、解码评测、图像编辑
- 系统关系
- 承接检测分割并进入统一接口
专用与通用模型 / SPECIALIST VS GENERALIST
专用模型 vs 统一模型
传统专用路线
输入图像 (Image)
分类器 (Classifier)
检测器 (Detector)
分割器 (Segmenter)
深度估计 (Depth Net)
专属任务输出 (Specific Output)
统一模型路线
分割 (seg)
框 (box)
深度 (depth)
边缘 (edge)
图像 + 提示词 (Image + Prompt)
通用双阶段视觉模型 (Generalist Vision Model)
统一输出 (Unified Output)
知识系统演进 / SYSTEM MAP
与本系统的关系
技术探讨 / DISCUSSION
前沿模型并不替代基础算法
本板块不调用真实大模型，不声称复现论文结果，只做前沿思想和任务接口的可视化展示。
基础算法仍然重要
像素、卷积、边缘和特征仍是理解模型输出的语言。
统一接口不等于万能模型
统一入口降低使用门槛，但评测、鲁棒性和边界仍需谨慎。
生成式视觉带来新范式
任务输出可以被组织成图像生成问题，再被解码为结构结果。
当前页面是思想可视化
所有输出均为预设演示层，用于帮助建立概念连接。