近日，ICCV 2025（國際計算機視覺大會）公布論文錄用結果，360AI研究院（research.360.cn）在多模態生成和多模態理解方向的兩篇研究論文入選，為人工智能在智能內容生成、多模態視覺理解等關鍵領域提供了創新解決方案，填補行業技術空白。

作為計算機視覺領域的頂級學術會議，ICCV與CVPR（國際計算機視覺與模式識別會議）、ECCV（歐洲計算機視覺國際會議）并稱為計算機視覺領域的三大頂級會議。據了解，今年ICCV共收到11239份有效投稿，最終接受2698篇論文，錄用率為僅24%。

360所入選兩篇論文的研究成果，分別是可為AI裝上“空間規劃腦”的PlanGen模型，以及讓AI練就“火眼金睛”的LMM-Det模型。

PlanGen是行業首個能同時規劃物體布局并生成圖像的統一模型。從前AI在繪畫場景時通常是“閉著眼瞎畫”，缺乏空間規劃能力。但在PlanGen的加持下，大模型就可以先想清楚不同物件的空間擺放位置后，再落筆生成畫面。這種“先規劃后創作”的能力可讓圖像生成更加精準，使得AI能嚴格按空間邏輯呈現，誤差率比傳統方法降低40%。

LMM-Det則是AI領域首個不用額外插件就能精準定位照片中目標的多模態大模型。一直以來，包括GPT-4o在內多模態大模型都存在著一個通病——擅長對圖片內容進行描述，但在目標的精確定位上遠遠落后于專業小模型。而LMM-Det在保持多模態大模型圖片描述能力的同時，還將目前檢測準確率提升至專業模型的水平，能夠同時鎖定遠中近、大中小、動態及靜態、顯性區域與隱蔽角落內的各種目標，在識別效率上相較于傳統方案提升兩倍，開創行業技術先河。

作為國內大模型頭部廠商，360在國內較早布局人工智能大模型的研發。早在2022年，360就開源了第一代中文圖文跨模態模型R2D2，以及當時最大的中文圖文數據集Zero。2023至2024年間，360自研千億規模通用大模型“360智腦”，核心能力位居國內第一梯隊，所開源的BDM文生圖模型，也成為了國內第一個真正的原生中文繪畫模型并兼容SD社區插件。2025年，360開源了第二代圖文跨模態模型FG-CLIP，從根本上解決了CLIP模型的“近視問題”，其細粒度圖文對齊能力刷新了各項benchmark的SoTA記錄。

在智能體成為AI下半場的主角之時，今年6月，360為探索智能體應用的落地實踐，進一步發布了基于超級智能體技術打造的搜索產品——納米AI超級搜索，僅需用戶提出需求，便可依托超級智能體能力理解用戶意圖，打破各平臺的“信息圍墻”，直接調用復雜工具，全流程自動執行為用戶交付答案，為更多AI技術應用的廣泛落地提供路徑參考。

免責聲明：本文僅供參考，不構成投資建議。