AI在线 AI在线

3D

超94%类别第一！3D点云异常检测与修复新SOTA | ICCV'25

超94%类别第一！3D点云异常检测与修复新SOTA | ICCV'25
在制造质检、机器人抓取与3D打印等场景中，3D点云的异常检测日益关键，但实际应用却常遭遇两大难题：一是物体姿态随机、形变细微，传统离散化表示（体素、点云、视角投影）容易丢失几何细节；二是检测之后如何修复缺陷，业界缺少能直接生成高保真「正常模板」的方法。 为突破这两道关卡，上海科技大学与密歇根大学联合团队提出Pose-Aware Signed Distance Function（PASDF）框架，通过显式姿态对齐与连续的SDF形状表示，实现「检测—定位—修复」的一体化闭环。 论文地址：： AUROC分别为80.2%与90.0%的最新成绩，并在点级定位、可视化修复方面表现突出。
10/27/2025 9:09:00 AM
一张照片，一个3D「你」：计算所等提出HumanLift，实现高保真数字人重建

一张照片，一个3D「你」：计算所等提出HumanLift，实现高保真数字人重建
创建具有高度真实感的三维数字人，在三维影视制作、游戏开发以及虚拟/增强现实（VR/AR）等多个领域均有着广泛且重要的应用。 尽管现有技术在从多视角图片重建高质量、可动画化的三维人体模型任务中展现出诸多优势，但从单张参考图像重建真实感三维数字人，依旧面临技术复杂、资源消耗大的挑战。 如何兼顾三维一致性与参考图像一致性，重建出高质量、高真实感的人物外观与姿势，以及如何生成高真实度且细节一致的服饰、人脸等，都是亟待解决的难题。
10/22/2025 9:03:00 AM
李飞飞全新「世界模型」问世！单张H100实时生成3D永恒世界

李飞飞全新「世界模型」问世！单张H100实时生成3D永恒世界
就在刚刚，李飞飞World Labs重磅发布全新实时生成式世界模型——RTFM（Real-Time Frame Model，实时帧模型）！ 这是一款效率极高的，在大型视频数据上进行端到端训练的自回归扩散Transformer模型。 仅需一块H100 GPU，RTFM就能在你与之交互时，实时渲染出持久且3D一致的世界，无论是真实场景还是想象空间。
10/17/2025 9:53:23 AM
混元3D开源端到端全景深度估计器，代码+精选全景数据已上线，在线可玩

混元3D开源端到端全景深度估计器，代码+精选全景数据已上线，在线可玩
全景图具有完整的视场 （360°×180°），比透视图提供更完整的视觉描述。 得益于此特性，全景深度估计在3D视觉领域正日益受到关注。 然而，由于全景数据的稀缺，以往的方法通常局限于域内设置，导致零样本泛化能力较差。
10/14/2025 1:56:59 PM
斯坦福李飞飞团队，带你一句话进入无限3D世界

斯坦福李飞飞团队，带你一句话进入无限3D世界
斯坦福大学的李飞飞教授，又带着她的新成果来“砸场子”了。 只用一张图，甚至一句话，就能直接生成一个可以让你在里面“逛街”的3D世界。 不是图片，也不是视频，而是一个活生生的、可以自由探索、永久存在的3D虚拟空间。
9/19/2025 9:06:00 AM
刚刚，李飞飞空间智能新成果震撼问世！3D世界生成进入「无限探索」时代

刚刚，李飞飞空间智能新成果震撼问世！3D世界生成进入「无限探索」时代
就在今天，斯坦福大学教授李飞飞的创业公司 World Labs 发布了新成果 —— 限量开放的测试预览版空间智能模型 Marble。 「只需一张图片，就能生成持久存在的 3D 世界，比以往更宏大、更震撼！ 」我们先看下面一段视频 demo： 李飞飞对此表示，「这是一个使用我们的 3D 世界生成模型创建的极其庞大的世界，它令我惊叹不已！
9/17/2025 9:18:56 AM
首个3D动作游戏专用VLA模型，打黑神话&只狼超越人类玩家 | ICCV 2025

首个3D动作游戏专用VLA模型，打黑神话&只狼超越人类玩家 | ICCV 2025
3B多模态大模型在动作角色扮演游戏的战斗任务中，成功率超越GPT-4o和人类玩家，淘天集团未来生活实验室团队提出了CombatVLA，已被ICCV 2025接收。 在复杂的三维环境中实现实时决策仍面临重大挑战，要求模型能在秒级时间尺度做出响应，具备高分辨率感知能力，并能够在动态条件下进行战术推理。 如下图所示，团队给出了CombatVLA推理得到的AoT解释、解析成Python代码的动作指令，以及执行这些动作后的帧序列。
8/19/2025 4:08:20 PM
李飞飞押注的「世界模型」，中国自研Matrix-3D已抢先实现了？

李飞飞押注的「世界模型」，中国自研Matrix-3D已抢先实现了？
一花一世界，一叶一菩提。 千百年来，人类只能凭想象勾勒图画之外的世界，梦境与现实之间始终隔着一层不可触及的纱幕。 而今天，当AI的力量被无限延伸，这层纱幕终于被揭开——Matrix-3D，一个真正从「一图生万境」的世界模型！
8/13/2025 9:16:00 AM
刚刚，谷歌摊牌：Genie 3让你1秒「进入」名画，人人可造交互世界！

刚刚，谷歌摊牌：Genie 3让你1秒「进入」名画，人人可造交互世界！
谷歌摊牌了，彻底不装了！ 他们前几天刚刚发布的Genie 3世界模型，正在疯狂展示AI的超能力。 它不只是能从文本中生成交互式的AI空间世界，还能操控图像和视频。
8/11/2025 9:21:00 AM
腾讯发布混元3D世界模型1.0：首个支持物理仿真的开源世界生成系统

腾讯发布混元3D世界模型1.0：首个支持物理仿真的开源世界生成系统
首个支持物理仿真的开源3D世界生成模型来了！ 一句话、一张图就能生成完整3D世界，可编辑、可仿真。 在2025年世界人工智能大会（WAIC）上，腾讯正式发布混元3D世界模型1.0——首个开源且兼容传统CG管线的可漫游世界生成模型。
7/31/2025 3:27:20 PM
时令
谢赛宁团队新作：不用提示词精准实现3D画面控制

谢赛宁团队新作：不用提示词精准实现3D画面控制
曾几何时，用文字生成图像已经变得像用笔作画一样稀松平常。 但你有没有想过拖动方向键来控制画面？ 像这样，拖动方向键（或用鼠标拖动滑块）让画面里的物体左右移动：还能旋转角度：缩放大小：这一神奇操作就来自于谢赛宁团队新发布的 Blender Fusion框架，通过结合图形工具 (Blender) 与扩散模型，让视觉合成不再仅仅依赖文本提示，实现了精准的画面控制与灵活操作。
7/4/2025 8:52:00 AM
如何做到在手机上实时跑3D真人数字人？MNN-TaoAvatar开源了！

如何做到在手机上实时跑3D真人数字人？MNN-TaoAvatar开源了！
TaoAvatar 是由阿里巴巴淘宝 Meta 技术团队研发的 3D 真人数字人技术，这一技术能在手机或 XR 设备上实现 3D 数字人的实时渲染以及 AI 对话的强大功能，为用户带来逼真的虚拟交互体验。 它是如何实现的呢？ 本文将为您揭秘 TaoAvatar 背后的黑科技！
6/25/2025 9:11:16 AM
CVPR 2025 Award Candidate | 英伟达等Difix3D+：用单步扩散模型修复 3D 重建伪影

CVPR 2025 Award Candidate | 英伟达等Difix3D+：用单步扩散模型修复 3D 重建伪影
在 3D 重建领域，无论是 NeRF 还是最新的 3D Gaussian Splatting（3DGS），在生成逼真新视角时仍面临一个核心难题：视角一旦偏离训练相机位置，图像就容易出现模糊、鬼影、几何错乱等伪影，严重影响实际应用。 为了解决这个问题，来自英伟达的研究团队联合提出了一种创新方案 —— Difix3D ，通过单步扩散模型对 3D 渲染结果进行 “图像修复”，显著提升新视角图像的质量和一致性。 该工作已被 CVPR 2025 接收，并入选 Best Paper Award 候选。
6/24/2025 8:40:00 AM
突破 3D 环境生成瓶颈，EmbodiedGen 助力智能机器人研究

突破 3D 环境生成瓶颈，EmbodiedGen 助力智能机器人研究
在当前身体现智能（Embodied AI）的发展过程中，创建真实且精确缩放的3D 环境至关重要。 然而，现有的方法仍主要依赖于人工设计的3D 图形，这不仅成本高昂，而且缺乏真实感，限制了其扩展性和通用性。 为了在物理环境中实现通用智能，必须进行真实的模拟、强化学习以及多样化的3D 资产生成。
6/23/2025 10:00:56 AM
AI在线
3D高斯泼溅，可输入视图量高达500！推理速度提升3倍，内存少80%

3D高斯泼溅，可输入视图量高达500！推理速度提升3倍，内存少80%
在增强现实（AR）和虚拟现实（VR）等前沿应用领域，新视角合成（Novel View Synthesis, NVS）正扮演着越来越关键的角色。 近年来，3D高斯泼溅（3D Gaussian Splatting, 3DGS）技术横空出世，凭借其革命性的实时渲染能力和卓越的视觉质量，迅速成为NVS领域的一大突破。 然而，传统3DGS对耗时的「逐场景优化」的依赖，严重限制了其在实际应用中的部署。
6/18/2025 8:54:48 AM
视频扩散模型新突破！清华腾讯联合实现高保真3D生成，告别多视图依赖

视频扩散模型新突破！清华腾讯联合实现高保真3D生成，告别多视图依赖
三维场景是构建世界模型、具身智能等前沿科技的关键环节之一。 尽管Hunyuan3D、Rodin-v1.5、Tripo-v2.5等生成模型已在三维生成领域取得显著进展，但其往往聚焦在物体级别内容生成，难以实现复杂三维场景的构建。 清华大学联合腾讯提出Scene Splatter——从一张图像出发，基于自定义的相机轨迹探索三维场景。
6/13/2025 2:13:26 PM
2D图像作中介，零训练实现3D场景生成SOTA：英伟达&康奈尔提出文本驱动新流程

2D图像作中介，零训练实现3D场景生成SOTA：英伟达&康奈尔提出文本驱动新流程
本文第一作者顾泽琪是康奈尔大学计算机科学四年级博士生，导师为 Abe Davis 教授和 Noah Snavely 教授，研究方向专注于生成式 AI 与多模态大模型。 本项目为作者在英伟达实习期间完成的工作。 想象一下，你是一位游戏设计师，正在为一个奇幻 RPG 游戏搭建场景。
6/12/2025 2:29:14 PM
一个md文件收获超400 star，这份综述分四大范式全面解析了3D场景生成

一个md文件收获超400 star，这份综述分四大范式全面解析了3D场景生成
在构建通用人工智能、世界模型、具身智能等关键技术的竞赛中，一个能力正变得愈发核心 —— 高质量的 3D 场景生成。 过去三年，该领域的研究呈指数级增长，每年论文数量几乎翻倍，反映出其在多模态理解、机器人、自动驾驶乃至虚拟现实系统中的关键地位。 注：图中 2025 年的数据截至 4 月底来自南洋理工大学 S-Lab 的研究者们全面调研了该领域最前沿的研究方法，发表了综述《3D Scene Generation: A Survey》，对 300 篇代表性论文进行了系统归纳，将现有方法划分为四大类：程序化方法、基于神经网络的 3D 表示生成、图像驱动生成，以及视频驱动生成。
6/11/2025 9:19:22 AM