学习模型已经具备很强的局部视觉先验，而 3D 几何可以帮助建立跨视角、长距离的全局一致性。二者如何结合，是 3D 视觉与空间智能中的重要问题。 编辑丨岑峰 在生成式 AI 的快速发展中，Sora 等视频和图像扩散模型（Diffusion Models）展示了很强的视觉生成能力。大规模 2D 数据让模型学到了丰富的视觉与语义先验，在单帧和局部视频生成上取得了显著进展。但当任务进一步要求多视角、...

告别模型拼贴套路，自回归与离散扩散的融合，正在开启 AI 的体验时代。 作者丨张璐 编辑丨岑峰 “理解”和“生成”真的无法在同一个模型底座中完美融合吗？不同于拼接独立模型的传统做法，NUS Show Lab 选择了一条更原生的架构路线：在单个 Transformer 中同时打通自回归预测与离散扩散生成。作为多模态领域的重磅成果，Show-o 系列不仅打破了模态壁垒，更将触角延伸至具身机器人决...

2D去噪范式在真实3D遮挡前失效，破局关键在于将物理机制转化为结构先验。 作者丨张璐 编辑丨岑峰 大模型在文本与 2D 图像上的狂飙，归功于互联网上近乎无穷的干净数据。但当 AI 试图跨越屏幕、理解真实的 3D 物理世界时，这套经验法则瞬间失效。真实扫描数据充斥着噪点与死角，物理遮挡造成的几何缺失既非随机发生，更无法用简单的去噪算法抹平。面对这一死结，多数团队选择用人工合成数据去“硬碰硬”，...

视觉、听觉、触觉三种数据，其实是同一组物理属性在不同感官通道上的投影。 作者丨陈淑瑜 编辑丨岑 峰 2026年9月8日，欧洲计算机视觉会议 ECCV 在瑞典马尔默召开。在 9 月 9 日的“ Embodied Multimodal Reasoning in Physical Environments（物理环境中的具身多模态推理）”专题分场上，斯坦福大学计算机科学助理教授吴佳俊发表了一场横跨视...

来源：复旦大数据研究院原文链接：https://mp.weixin.qq.com/s/jKJOsNcG9chkEBSwtrlGxg IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)由 IEEE Computer Society 出版，是计算机科学与人工智能领域公认的国际顶级期刊之一，也是模式分析、机器...

来源：AI驾驶员 原文链接：https://mp.weixin.qq.com/s/QWytAhu1mZTHoDICy-jC3A 大家有没有想过，为什么现在端到端自动驾驶还是不够“丝滑”？很多号称端到端的系统，本质上还是把感知和规划当成两个独立的任务：先用一个强大的感知网络看清周围，再把这个“快照”甩给规划模块去做决策。看似无缝衔接，实则暗藏巨大隐患——感知模块一旦看走眼，规划就得“将错就错”...

来源：上海宁波商会 原文链接：https://mp.weixin.qq.com/s/7PkzF1abO978h0vLjZ0URg商会副会长单位传音控股TEX AI团队联合上海交通大学最新产学研成果“AI消除算法”，近日成功被计算机视觉领域国际顶级会议ECCV 2026（ European Conference on Computer Vision）接收。ECCV与CVPR、ICCV长期被认为...

世界模型开始合流，中国团队正在进入核心问题。 作者丨吴思梦 编辑丨岑 峰 2026 年 9 月 8 日，全球计算机视觉顶级会议 ACM 与 ECVA（European Computer Vision Association）主办的 ECCV 2026 将在瑞典马尔默的 Malmö Arena 和 Malmömässan 两个相邻场馆开幕。这个两年一届、与 CVPR、ICCV 并称计算机视觉领...

3D 重建的下半场，比的不再只是精度。 作者丨陈淑瑜 编辑丨岑 峰 9月8日，第19届欧洲计算机视觉大会（ECCV 2026）在瑞典马尔默拉开帷幕。这场两年一届的视觉顶会创下历史之最：组委会收到超过一万篇有效投稿，最终接收2883篇论文，约6000名研究者从全球各地赶来参会。翻看议程不难发现，Gaussian Splatting （高斯泼溅）与 3D 重建是今年最拥挤也最热闹的赛道——光是第...

为什么字节要把“空间表示”的体积压掉 90%？ 作者丨吴思梦 编辑丨岑 峰 如果有一天，沉浸式直播里的每一个主播都拥有一个实时跟随的 3D 分身，观众可以在任何角度切进去和他对话，看到他的表情、衣服褶皱、头发飘动的细节，那么这个 3D 分身究竟应该有多大？ 这不是一个凌空蹈虚的问题，已经逐渐落定变成一个非常具体的工程问题。 过去几年，3D Gaussian Splatting（3DGS）让“...