近日，卫星海洋环境监测预警全国重点实验室研究人员构建了入海排口水色异常遥感识别模型，用 于发现可能存在的排水水色异常问题。 具有高时空分辨率及广域覆盖能力的卫星遥感，成为入海排口监管的重要技术手段。然而近年来， 高空间分辨率光学卫星遥感影像间歇性地捕捉到杭州湾南部沿岸的一些污水处理厂排污口附近存在异常 的红棕色水体，但在线监测数据表明排水关键指标符合排放标准，且实地采集的高位井处水体颜色呈现 为浅黄色，这给生态环境保护管理人员和污水处理厂工作人员带来了困惑。杭州湾是典型的高浑浊、光 学特性复杂的强潮河口，水体性质更为复杂。为厘清排放所致水色异常原因，研究人员综合了现场实地 调查、卫星遥感数据等，阐明排水与受纳水体混合过程中的水色转变光学机制，并在多个排口进行应用 验证。 研究结果表明，处理后的污水处理厂出水具有高浓度可溶性有机物和低浓度悬浮颗粒物的特征，表 现为对蓝光波段的强烈吸收与整体较低的反射率。当可溶性有机物的短波段的吸收效应仍占主导，且增 加的悬浮颗粒物浓度增强了红光波段的散射，易形成卫星影像观测时刻的红棕色。这些现象在低潮位、 平潮期、水动力混合作用弱以及背景水体悬浮物浓度相对较低的条件下较明显。 ...

点击下方 卡片 ，关注" 大模型之心Tech "公众号 戳我 -> 领取大模型巨卷干货 写在前面 在深度学习的历史长河中，AlexNet的横空出世曾彻底改写识别模型的命运——它让"逐层训练"成为过去式，端到端学 习从此一统江湖。而今天，当我们望向生成模型的浩瀚星空，扩散模型的多步迭代、自回归模型的时序依赖，是否仍 在重演"前AlexNet时代"的困局？ 何恺明老师在 CVPR 2025 workshop上的最新分享 《Towards End-to-End Generative Modeling》 ，正以手术刀般的视 角剖开这场技术演进的历史轮回。他不仅回溯了识别与生成的"硬币双面"关系——一边是数据到语义的抽象流，一边 是噪声到实例的具象流，更带来了MeanFlow这把"瑞士军刀"：用平均速度替代复杂积分，让ImageNet生成从250步迭 代压缩到1步完成，FID指标直逼传统多步模型的天花板。 这不禁让人思考：生成模型的"AlexNet时刻"是否已至？ 今天，就让我们以何恺明老师的报告为锚点， 回顾 一下生成模型技术丛林的深度漫游，解锁那些正在重塑生成模型范 式的关键思想。 此外，借着这个话题，我们也同步 ...

机器之心报道 编辑：张倩 生成模型会重现识别模型的历史吗？ 今年的 CVPR 已经在美国田纳西州纳什维尔顺利闭幕。除了交流论文、互加好友，很多参会者还参加了个非常有意思的项目 —— 追星。 这个「星」自然是学术明星。从前方发来的实况来看，MIT 副教授何恺明可能是人气最高的那一个。他的讲座全场爆满，还有很多同学晒出了与恺明大神的合 影。 其实，这次现身 CVPR 会场的何恺明有着多重身份，包括但不限于最佳论文奖委员会成员、「Visual Generative Modeling: What's After Diffusion?」workshop 演讲嘉 宾等。 这个 workshop 聚焦的主题是扩散模型之后的视觉生成建模演进方向。 近年来，扩散模型迅速超越了先前的方法，成为视觉生成建模中的主导方法，广泛应用于图像、视频、3D 物体等的生成。然而，这些模型也存在一些显著的局限 性，例如生成速度较慢、生成过程中人类干预有限，以及在模拟复杂分布（如长视频）时面临挑战。 这个 workshop 旨在探索视觉生成建模中能够超越扩散模型的方法，何恺明在活动中做了主题为「Towards End-to-End Generat ...