Face++
PulseAugur coverage of Face++ — every cluster mentioning Face++ across labs, papers, and developer communities, ranked by signal.
- 2026-07-15 funding Face++ completed a new round of financing in the first half of 2026, raising over 5 billion yuan and achieving a valuation exceeding 20 billion yuan. 来源
4 天有情绪数据
-
AI分析舌头和面部照片以筛查心脏病
研究人员正在探索利用AI通过分析一个人舌头和面部图像来检测心脏病。这种创新的方法旨在为筛查潜在心脏病提供一种非侵入性手段。该技术利用健康科技和医疗AI的进步来识别可能与心脏病相关的细微指标。
-
OpenBMB 发布 MiniCPM-V 4.7，一款可在 iPhone 上运行的 35B MoE 模型
OpenBMB 和 Face++ 发布了 MiniCPM-V 4.7，这是一款开源的多模态模型，可以在内存仅为 3GB 的移动设备上运行。该模型有两种版本：一个 35B 参数的混合专家（MoE）模型，每次推理激活 3B 参数；另一个是适用于极小型设备的 1.3B 参数模型。MiniCPM-V 4.7 在 MMBench、MMMU 和 OmniDocBench 等各种基准测试中表现出色，即使在承受显著的视觉压缩的情况下也是如此。该模型采…
-
新框架提高行人重识别准确性
研究人员开发了一个名为身份条件分数融合（Identity-Conditioned Score Fusion）的新框架，以提高行人重识别的准确性。该方法根据被搜索到的特定身份调整融合权重，而不仅仅是查询质量。通过分析同一身份内的连贯性与跨身份冒充者的对比，系统创建了特定于身份的档案，从而提高了准确性。在基准数据集上的评估显示，错误非识别率显著降低，优于现有方法。
-
新的FaceLinkGen攻击暴露隐私系统中的身份泄露问题
研究人员开发了一种名为FaceLinkGen的新型基于蒸馏的攻击方法，该方法可以从隐私保护的人脸识别和匿名化系统中重新识别出个人。该攻击训练一个面部识别模型，将受保护的输入映射回标准面部嵌入，从而能够以高接受率在MinusFace、PartialFace和DecoyFace等系统上重新生成原始面部。FaceLinkGen展示了跨各种方法的显著身份泄露，即使是那些能抵抗其他类型攻击的方法，并且在训练数据有限的情况下仍然有效。
-
新的FCA引导框架为AI乳腺癌诊断解释提供了完美的有效性
研究人员开发了一个名为FCA-Guided Counterfactual (FCA-CF) 的新颖框架，为多模态乳腺癌诊断模型生成可操作的解释。该框架使用形式概念分析来约束对立样本解释的搜索，确保其临床相关性。在TCGA-BRCA数据集上的评估中，FCA-CF实现了完美的有效性，这意味着所有生成的对立样本都成功改变了诊断预测。它还表现出优越的稀疏性，与其他有效方法相比，所需的特征改变更少，并且与原始实例的接近度强。
-
新的BIO-MEMART框架使用生物识别技术实现安全的LLM代理内存
研究人员开发了BIO-MEMART，一个用于管理多用户LLM代理中KV缓存内存的新框架。该系统通过整合生物识别认证来控制对共享内存块的访问，确保只有授权用户才能检索相关数据，从而增强了安全性。该框架在区分所有者和非所有者查询方面表现出高精度，在面部和掌纹识别基准测试中成功率均超过95%。此外，BIO-MEMART显著减少了所需的预填充token数量，保持了共享环境中KV缓存内存的效率。
-
Face++引领AI融资潮；微盟发布AI销售代理；腾讯与京东AI打通 · 追踪1个来源
多家AI和科技公司宣布了新的发展和融资动态。Face++（Mianbi Intelligent）在2026年上半年获得了超过50亿元人民币的融资，公司估值超过200亿元人民币，成为边缘AI领域的领导者。与此同时，微盟集团推出了面向B2B场景的AI销售数字员工“微盟星途”，实现了从用户指令到销售线索交付的自动化。腾讯的元宝已与京东的AI Agent整合，通过电子商务能力增强了小程序生态系统。
-
AI现在可以从公开的Instagram照片创建深度伪造
AI用户现在可以利用公开的Instagram照片，在未经同意的情况下创建个人的深度伪造视频。这项由经过面部数据训练的AI模型促成的能力，引发了重大的隐私担忧。该技术可以从公开的图像生成逼真的视频，可能导致滥用和身份操纵。
-
新论文探讨对话式AI的个性化与评估
一篇新论文探讨了创建个性化对话式信息获取（CIA）系统所面临的挑战。它提出了通过实体链接提取个人上下文、利用大规模对话数据集生成个性化响应以及使用一种名为FACE的新型无参考指标评估系统有效性的方法。该工作旨在改进CIA系统理解和适应个体用户偏好的方式。
-
新的合成数据集评估人脸识别系统
研究人员推出 CounterFace，这是一个新颖的合成数据集，用于对人脸识别系统进行细粒度评估。该数据集包含 11,821 对反事实人脸，涵盖 20 个人脸属性和 8 个人口统计因素，显著扩展了先前合成数据集的规模。CounterFace 使用全自动化流程生成，无需人工验证合成过程。该数据集被用于评估六个商业和开源人脸识别系统，结果显示性能下降因属性和人口统计因素而异，其中面部遮挡（如口罩和胡须）持续导致性能下降。