360AI研究院论文入选ICCV 2025，展现多模态技术新突破

近日，国际计算机视觉大会（ICCV 2025）公布了论文录用结果，360AI研究院（research.360.cn）在多模态生成和多模态理解两大方向上的两篇研究论文成功入选。这两篇论文为人工智能在智能内容生成、多模态视觉理解等关键领域提供了全新的解决方案，填补了行业技术的空白。2025新疆几月份去最佳时间_必去景点(玩法)大家爱看 . 广告x

ICCV作为计算机视觉领域的顶级学术会议，与CVPR、ECCV并称为该领域的三大顶级会议。今年ICCV共收到了11239份有效投稿，但最终仅接受了2698篇论文，录用率仅为24%，竞争异常激烈。

360AI研究院此次入选的两篇论文，分别介绍了PlanGen模型和LMM-Det模型。PlanGen模型是行业首个能够同时规划物体布局并生成图像的统一模型。在传统的AI绘画场景中，AI往往缺乏空间规划能力，只能“闭着眼瞎画”。然而，在PlanGen的加持下，大模型可以先规划好不同物件的空间摆放位置，再落笔生成画面。这种“先规划后创作”的能力使得图像生成更加精准，AI能够严格按照空间逻辑呈现，误差率比传统方法降低了40%。

而LMM-Det模型则是AI领域首个无需额外插件就能精准定位照片中目标的多模态大模型。一直以来，包括GPT-4o在内的多模态大模型都存在着一个通病：虽然擅长对图片内容进行描述，但在目标的精确定位上却远远落后于专业小模型。然而，LMM-Det在保持多模态大模型图片描述能力的同时，还将检测准确率提升至专业模型的水平。它能够同时锁定远中近、大中小、动态及静态、显性区域与隐蔽角落内的各种目标，识别效率相较于传统方案提升了两倍，开创了行业技术的先河。

作为国内大模型的头部厂商，360在人工智能大模型的研发上布局较早。早在2022年，360就开源了第一代中文图文跨模态模型R2D2，以及当时最大的中文图文数据集Zero。2023至2024年间，360自研了千亿规模的通用大模型“360智脑”，其核心能力位居国内第一梯队。同时，360还开源了BDM文生图模型，成为了国内第一个真正的原生中文绘画模型，并兼容SD社区插件。2025年，360又开源了第二代图文跨模态模型FG-CLIP，从根本上解决了CLIP模型的“近视问题”，其细粒度图文对齐能力刷新了各项benchmark的SoTA记录。

在智能体成为AI下半场的主角之时，360继续探索智能体应用的落地实践。今年6月，360发布了基于超级智能体技术打造的搜索产品——纳米AI超级搜索。这款产品仅需用户提出需求，便可依托超级智能体能力理解用户意图，打破各平台的“信息围墙”，直接调用复杂工具，全流程自动执行为用户交付答案，为更多AI技术应用的广泛落地提供了路径参考。