作者： vivo BlueImage Lab 本文入选 CVPR 2026 ECCV（European Conference on Computer Vision） 是计算机视觉与人工智能领域的国际顶级会议，与 CVPR、ICCV 并称"计算机视觉三大顶会"。会议由欧洲计算机视觉协会（ECVA）主办，每两年举办一次。主要内容是计算机视觉与模式识别技术。 ECCV 2026 约10,473 篇投稿，接收...

作者：vivo 互联网存储团队 - Xiao Bo AI 合作者：ChatGPT（GPT-5.5） 创作模式：Human-led, AI-collaborated 责任声明：文章观点、理论体系及最终内容由作者负责；AI 参与讨论、推演、表达优化及部分内容生成。 检索到相关材料，并不等于系统获得了可以用于判断的知识。本文区分 Representation、Knowledge 和 RAG 的职...

作者：vivo IT 技术团队- Liu Heng 面对涉及存量代码变更的需求，挑战不在于编码，而在于如何安全、精准地修改。本文通过构建一个由1个编排器和多个单职责Skill组成的AI协作流水线，将影响分析、规则沉淀、埋点和回归检查等隐性工作流程化，确保在实现功能的同时，对存量代码实现最小侵入式改造。

作者： vivo BlueImage Lab 本文提出 SmartPhotoCrafter，一种全新的统一理解—生成—优化框架，为自动图像优化提供了新的技术范式。该方法将图像优化建模为“先分析、再决策、后优化”的 Reasoning-to-Generation 流程：模型首先通过 Image Critic 对画面质量、光影、色彩和构图进行链式推理；随后由 Photographic Artist ...

作者：vivo 互联网存储团队 - Xiao Bo AI 合作者：ChatGPT（GPT-5.5） 创作模式：Human-led, AI-collaborated 责任声明：文章观点、理论体系及最终内容由作者负责；AI 参与讨论、推演、表达优化及部分内容生成。 当 AI 应用开始在运行时解释数据、选择工具并影响业务状态时，数据表示中的遗漏和歧义可能直接转化为行动风...

作者： vivo BlueImage Lab 本文提出 TinySR，一种面向真实世界 图像超分辨率的轻量级扩散模型，通过深度剪枝、动态块间激活以及扩张‑腐蚀策略实现高效推理。该模型在保持感知质量的前提下，实现了比教师模型 TSD‑SR 快 5.68 倍、参数量降低 83% 的显著加速。为进一步压缩 VAE，我们采用通道剪枝、去除注意力模块并使用...

作者：vivo 互联网服务器团队- Hang Yu 这是一篇海外电商平台近四年线上性能治理的真实复盘。从第一次大促扩容部署失败、Redis 6 节点全线灾难告警，到黄牛单账号上亿请求打垮系统、热 key 将单个 Redis 节点 CPU 压至 99.97%——每一次告警背后，都隐藏着一个更深的架构问题。文章按问题类型分四条线展开：扩容方向的演进...

作者： vivo BlueImage Lab 摘要：4K+图像编辑新突破！针对数据匮乏与细节建模难题，我们发布首个指令式超高分辨率编辑数据集 VINS-120K（含12万精筛4K三元组）。同时提出高频感知适配策略，将预训练低分辨率模型轻松扩展至UHR领域，并配套评测基准 VINS-4KEval。显著提升编辑细节与纹理真实感！

作者：vivo 互联网前端团队- Su Ning 在广告营销场景中，小游戏的生命周期极短——从策划到上线往往只有数天。传统开发模式下，需求沟通、素材制作、编码联调、测试上线的每个环节都是瓶颈。本文基于 vGame 平台的实践经验，详细阐述如何通过 AI Agent、结构化场景描述和自动化管线，将广告小游戏的开发效率提升一个数量级。

作者： vivo BlueImage Lab 本文入选 CVPR 2026 CVPR（IEEE Conference on Computer Vision and Pattern Recognition）IEEE国际计算机视觉与模式识别会议，主要内容是计算机视觉与模式识别技术。CVPR 2026约160920篇投稿，接收率约25.42%。

作者：vivo 互联网项目团队- Ding Junjie 本文结合 AI 编辑器二期调研实践，拆解 Agent 在协同文档中的身份取舍、可回放事实链、side-by-side Diff 展示，以及 run 级精准撤回机制，说明如何让 AI 的改动看得见、退得掉、不误伤协作者。

作者： vivo BlueImage Lab 摘要： vivo 蓝图实验室提出了长焦虚化渲染框架 MagicBokeh，基于一个统一的生成式架构实现长焦虚化渲染。通过交替训练策略、焦点感知掩码注意力与退化感知深度估计，解决了高倍变焦低质输入下噪声放大、边界模糊与误差累积的问题，在合成与真实数据集上均取得 SOTA 效果，为移动端高效真实感...

作者：vivo 互联网前端团队 - Han Xuejian 随着海外业务拓展和欧盟等市场对无障碍要求持续明确，无障碍成为研发质量体系中的基础能力。本文介绍一套覆盖 Web 端、Vue 编码阶段和 Android App 真机页面的检测工具链：Web 端覆盖 PC 页面与 H5 页面，Chrome 插件发现运行时问题；VS Code 插件前置检测并结合大模型辅助修复...

CVPR（IEEE Conference on Computer Vision and Pattern Recognition）IEEE国际计算机视觉与模式识别会议，主要内容是计算机视觉与模式识别技术。CVPR 2026约160920篇投稿，接收率约25.42%。

作者：vivo IT 技术团队- Fan Jiaojiao 在存量项目的增量开发中，AI 常常面临理解偏差、执行不稳、需要频繁纠正等问题。本文介绍自建的「OpenSpec 规范层 + AI Workflows 执行层」体系，通过一套「规范 + 技能 + 钩子」机制，对 AI 的理解、执行和校验进行系统化约束与增强，显著提升开发协作中的准确率与稳定性，让 AI ...

​作者：vivo 互联网项目团队- Ding Junjie从 ReAct 出发，文章讨论 Agent 工程如何从“模型循环”走向 Harness：通过前后端共享的 State Schema、运行事实和 UI 边界，让模型行为变成可交互、可恢复、可控制、可追溯的产品能力。

作者：vivo AI 技术团队- Liu Shudong 在不手写一行代码的情况下，用自然语言指挥 BlueCode AI 编程助手，在 2 个工作日内完成了一个 4 年历史、2 万行 Vue 项目的全面重构——157+ 个文件变更、108 个单元测试从零建立、包体积下降 30%、Element Plus 完全移除。 文章的核心观点是：AI 辅助开发的关键不在 AI 本身的能力...

作者：vivo BlueImage Lab 摘要：我们团队提出了 VeraRetouch，一个轻量、全可微分、可移动端部署的多任务推理式照片修图框架。VeraRetouch 不仅能自动修图，还能听懂用户想要的风格描述，甚至能执行精确的参数式调整。通过将 0.6B 视觉语言模型作为“修图大脑”，并设计全可微分的 Retouch Renderer 作为“修图执行器”，Ve...

作者：vivo 互联网产品团队- Wang Yuxi 本文探索：不改排序，补上排序之后的“表达与决策”——把游戏理解透，让同类多款可比较、可解释、可追溯。做法是让大模型放开探索、用工程约束收住，使生成稳定进生产。目标不是替代排序，而是帮用户从“给结果”走向“帮决策”。

作者：  vivo BlueImage Lab 本文入选 ICLR 2026 ICLR（International Conference on Learning Representations）是聚焦机器学习与深度学习等领域的国际顶级学术会议，致力于推动人工智能理论与方法的前沿研究与创新发展。 ICLR 2026 19525篇投稿，接收率约27.4%。 论文主页： [链接]

作者： vivo 互联网服务器团队- Chen Yifan 本文介绍了一种基于 search\_after + Redis 多级锚点缓存的 Elasticsearch 深度分页跳页方案。针对 Elasticsearch 原生不支持随机跳页的限制，通过三轮优化——分段预热缓存、最近锚点定位 + Elasticsearch 查询提速（禁用 \_source/关闭 track\_total\_hits）、大区间预热 + 小...

作者：vivo 互联网项目团队- Jiang Zuohan 本文以“大模型不是马，而是大脑”为核心视角，重新定义 AI 系统结构，指出当前问题不在模型能力，而在 Agent 作为“身体”的不成熟，分析感知、行动、反馈与调度等工程缺陷，并将 Harness 类系统比作 ICU 的生命维持机制，强调当下混乱源于最佳实践尚未收敛，认为当前阶段本质是“...

CVPR（IEEE/CVF Conference on Computer Vision and Pattern Recognition）IEEE 国际计算机视觉与模式识别会议，主要内容是计算机视觉与模式识别技术。

作者：vivo 互联网大前端团队- Yang Maoxiang 本文介绍 vivo 线下门店「大头贴」拍照合成打印一体化桌面应用软件的技术方案。该项目基于 Tauri 2.0 + Rust + Vue 3 构建，实现了手机实时投屏、智能拍照、Live Photo 处理、模板合成、视频生成、跨平台打印等核心能力，为门店用户提供沉浸式拍照体验。

作者：vivo BlueImage Lab MagicWorld 针对当前视频世界模型在长时间交互中易出现运动不合理与场景崩坏的问题，提出了一种面向长时稳定性的交互式建模框架。该方法通过引入基于光流的运动约束提升动态真实性，利用历史检索机制增强跨时间一致性，并通过多步聚合的训练策略优化整体交互序列质量，从而有效缓解误差累积问...

作者：vivo 互联网大前端团队 - Xu Jie 本文从 Android 渲染系统内核出发，系统拆解 Native、Lottie、PAG、SurfaceView、TextureView五种动效方案的底层原理，通过多维度量化测试建立性能评估模型，结合实战场景提供可落地的优化策略与选型体系，帮助开发者突破动效性能瓶颈。

作者：  vivo BlueImage Lab 摘要： 我们团队提出了 LiveMoments，这是首个专门针对 Live Photo 重选封面帧画质修复的解决方案，已被 ICLR 2026 录用。 针对用户重选封面时面临的画质降级痛点，我们利用 Live Photo 自带的原始高清封面作为参考，构建了一个包含运动对齐模块的参考引导扩散模型。 该方法有效解决了两帧之...

作者：vivo 互联网项目团队- Ding Junjie 最近在做知识库问答输入框的 @文档 能力，表面上是“输入 @ 后选一个文档”的小需求，实操后发现核心难点在于编辑器稳定性。本文按真实心路历程展开：先讲最直觉的 DOM 方案与踩坑，再讲为什么转向 ProseMirror，并给出 @文档 的落地实现。

作者：vivo 互联网大前端团队-Feng Wei、Li Quanlong 本文介绍AI导购技术在 vivo 官网 APP 的落地实践，通过定义解决问题的边界能力、搭建多层架构方案、方案落地这三大块内容逐步递进地展开 AI 导购在为用户服务的应用过程。

作者：vivo互联网项目团队- Ding Junjie 我们围绕三大业务场景（笔记、知识库、项目管理）统一了一套可组合的 AI Agent 能力。 本文聚焦一期「Chat 模式」落地：强调 Runtime Adapter 的“协议无关、面向任意后端流”特性——只要后端能够以流式输出事件，前端即可通过统一的 Adapter 转为标准消息模型进行渲染与编排。我们...