标签： 全部 强化学习 扩散模型 大语言模型 基准测试 视频生成 视觉语言模型 世界模型 GRPO 多模态大模型 知识蒸馏 LLM智能体 多智能体系统 智能体 多模态学习 流匹配 具身智能 图像生成 基准评测 代码生成 LLM Agent 检索增强生成 注意力机制 机器人操作 多模态大语言模型 视频理解 可解释性 数学推理 图像编辑 多模态 机器人学习 RLVR 自监督学习 长上下文 后训练 Transformer 工具使用 对比学习 数据合成 视觉-语言-动作模型 推理加速 工具调用 LoRA 多模态推理 RAG 计算机视觉 LLM评估 信息检索 视觉推理 评测基准 高效推理 参数高效微调 扩散语言模型 自蒸馏 综述 Flow Matching 3D重建 模型压缩 自回归生成 持续学习 自回归模型
找到 56 条结果
相关性 | 日期

超越像素：从视频先验到4D世界

👍 178

将视频模型的最终去噪潜变量直接映射为4D动态场景，绕过RGB解码，单checkpoint跨生成器复用

Zihao Liu, Xiaolong Shen, Zhenglin Zhou, Ruijie Quan, Yi Yang 2026-08-12
3D重建 4D生成 前馈重建 潜空间接口 视频扩散模型
✅ 已总结
详情 →

从静止状态观测重建铰接物体

👍 46

仅凭闭合状态单次观测，网格锚定交叉验证多模型输出，重建部件与关节参数

Daeun Lee, Jaeah Lee, Woosung Kim, Haebeom Jung, Jaesik Park 2026-08-12
3D重建 数字孪生 视觉语言模型 视频扩散模型 铰接物体
✅ 已总结
详情 →

PixWorld：在像素空间统一3D场景生成与重建

👍 61

像素空间扩散模型统一3D重建与生成，无需VAE/RAE，直接优化3D表示

Sensen Gao, Zhaoqing Wang, Qihang Cao, Dongdong Yu, Changhu Wang, Jia-Wang Bian 2026-07-07
3D Gaussian Splatting 3D场景生成 3D重建 像素空间扩散 几何感知损失
✅ 已总结
详情 →

Surflo: 具有全局状态的一致3D表面流模型

👍 4

将任意数量视图压缩为单一全局潜在，通过流匹配生成任意分辨率的3D表面重建

Antoine Guédon, Shu Nakamura, Nicolas Dufour, Jiahui Lei, Ko Nishino, Angjoo Kanazawa 2026-06-12
3D重建 前馈模型 多视图重建 流匹配 表面重建
✅ 已总结
详情 →

UniSHARP：通用单目视图合成

👍 15

统一多种相机类型的单目3D高斯视图合成框架

Meixi Song, Dizhe Zhang, Hao Ren, Ruiyang Zhang, Bo Du, Ming-Hsuan Yang, Lu Qi 2026-06-08
3D重建 3D高斯泼溅 多相机系统 视图合成 计算机视觉
✅ 已总结
详情 →

SurGe：改进点地图中的表面几何

👍 9

通过邻域注意力解码器和点梯度匹配损失提升单目3D重建的局部表面质量

Karim Knaebel, Gonzalo Martin Garcia, Christian Schmidt, Ilya Fradlin, Lucas... 2026-06-01
3D重建 Transformer 单目深度估计 点地图 表面几何
✅ 已总结
详情 →

SAM 3D Animal：支持提示的野外图像动物3D重建

👍 5

首个支持提示的多动物3D重建框架，可通过关键点和掩码从单张图像中联合重建多个动物实例

Xuyi Hu, Jin Lyu, Jiuming Liu, Yebin Liu, Silvia Zuffi, Liang An, Stefan Goetz 2026-05-22
3D重建 动物姿态估计 参数化模型 多实例重建 提示学习
✅ 已总结
详情 →