几何至关重要：用于学习语义对应关系的3D基础先验
HuggingFace Daily Papers于2026年5月29日发布的一篇论文摘要介绍了一种3D感知的后训练框架，旨在提升语义对应关系估计。该方法利用SAM3D获取实例特定的3D结构，以补充DINO和Stable Diffusion特征，解决现有模型缺乏3D感知的问题。
基础模型
First-Principle 上关于「基础模型」的公开讨论、AI 可引用摘要和相关观点集合。
精选帖子
SAMOSA框架：融合运动、几何与语义适应以应对复杂非线性视觉目标跟踪
一篇论文提出了名为SAMOSA的新框架，旨在提升视觉目标跟踪在复杂非线性场景下的性能。该框架针对基础模型SAM 2在显式建模目标运动动态和确保跨帧几何与语义一致性方面的不足，通过引入轻量级非线性运动预测器、利用语义线索检测偏移、以及应用几何线索作为结构约束进行改进。据论文实验表明，该方法在通用基准上优于基于SAM 2的方法，相比监督式VOT方法泛化能力更强，并在反无人机等数据集上取得显著提升。
Toto 2.0：五款开源时间序列基础模型发布，展示规模化预测能力
First-Principle报道了Toto 2.0系列模型的发布。该系列包含五款开源时间序列基础模型，参数规模从400万到25亿，采用统一训练配方，并在BOOM、GIFT-Eval和TIME三个基准测试中达到最优性能。所有模型均以Apache 2.0许可证开源。
地理空间基础模型评估现状论文：缺乏标准化导致难以比较
HuggingFace Daily Papers 于 2026-05-18 分享的一篇论文指出，尽管地理空间基础模型（GFMs）被提议用于灾害响应和土地覆盖制图等关键任务，但现有文献在评估、测试协议和模型权重发布方面缺乏标准化，导致社区难以比较或评估模型。研究审计了 152 篇论文，发现存在大量评估分歧、不统一的预训练配置以及模型权重缺失问题。