猫猫居然认成果酱？AI你浓眉大眼的可别骗我

背景：计算机视觉技术发展迅速，从15年前60%的图像识别准确率提升到如今90%的常态，但AI系统仍会在基础视觉测试上犯错。研究目的：探索更接近人类视觉系统的计算机视觉方法，解决现有模型易被微小干扰误导的问题。结论：新型视觉自注意力模型和以物体为核心的神经网络表现出更好的图像理解能力和泛化能力，在机器人等领域已有实际应用，但要达到人类视觉水平仍需突破。