用大模型检测工业品异常，复旦腾讯优图新算法入选CVPR 2025
复旦大学、腾讯优图实验室等机构的研究人员提出了一种基于扩散模型的少样本异常图像生成新模型DualAnoDiff，该方法采用双分支并行机制和背景补偿模块，有效解决了异常数据稀缺性的问题，并在实验中取得了优于现有方法的效果。
腾讯优图实验室
GPT-4o医学知识覆盖率仅55%？腾讯优图团队发布大模型医疗能力“体检报告”
腾讯优图实验室提出MedKGEval框架，首次通过医疗知识图谱评估主流大语言模型的医学知识覆盖度，并在WWW 2025会议上发布。该框架涵盖实体、关系和子图三个层级的任务形式，实现任务导向与知识导向的双重评测，揭示了当前大语言模型在医学知识存储与推理能力方面的优势与局限。
多模态生成框架新SOTA：文本+空间+图像随意组合，20W+数据开源，复旦腾讯优图出品
复旦大学、腾讯优图实验室等机构的研究人员提出UniCombine框架，能够处理多种条件组合的多条件可控生成任务，并在多个实验中达到SOTA。
超越ControlNet！复旦联合腾讯优图提出AI生图新框架，解决多条件生成难题
复旦大学和腾讯优图实验室提出PixelPonder，一种新的多视觉控制框架。它解决了当前方法在组合多个异构控制信号时面临的挑战，显著提高图像生成的可控性和文本一致性。