3D
腾讯把AI生3D玩明白了，一口气开源两款模型，消费级显卡可跑！明天还有重磅开源！
出品 | 51CTO技术栈（微信号：blog51cto）Hunyuan3D 2.0上线后就好评不断。 该家族又在今天的开源日中迎来了重磅的新成员——Hunyuan 3D-2mini以及Hunyuan 3D-2mv!今天腾讯的演示中，感觉他们真的把AI生3D玩明白了，真的能用AI重构游戏行业。 不愧是腾讯，手握众多王牌游戏就是有经验啊！
0行代码打造3D游戏，氛围编码席卷全网！开发30分爆赚28万
用「vide coding」制作3D游戏正在成为一股新风潮。 从大V到普通网友，越来越多人加入到了这场狂欢之中。 资深软件工程师Grégory D'Angelo上传了一段他vide coding出来的游戏视频。
CVPR2025最新！探索3D场景推理问答新高度：双视觉感知网络
0.背景信息在人工智能的前沿领域，3D场景问答（3D QA）正在成为视觉与语言理解的关键挑战。 相比于传统的2D视觉问答（VQA），3D QA需要模型不仅能够感知复杂的三维空间结构，还要理解语言描述与场景之间的关系。 然而，目前的3D QA方法大多依赖于3D点云数据，而忽视了多视角图像提供的丰富局部纹理信息，这使得模型在面对小型、扁平物体时表现受限。
MegaSynth：用70万合成数据突破3D场景重建瓶颈，PSNR提升1.8dB！
一眼概览MegaSynth 提出了一种基于非语义合成数据的大规模 3D 场景重建方法，生成 70 万个合成场景数据集，训练大型重建模型（LRMs），相比使用真实数据训练的模型，PSNR 提升 1.2~1.8 dB，显著增强 3D 场景重建的广覆盖能力。 核心问题当前 3D 场景重建方法受限于：数据规模受限：现有真实数据集 DL3DV 仅 10K 场景，远小于物体级数据集（如 Objaverse 80 万个实例）。 数据分布不理想：现有数据集多为人工采集，难以确保场景多样性，摄像机运动范围受限，且可能包含噪声和不精确标注。
全新技术 Fast3R ：实现千张图片一键3D 重建，速度惊人!
在计算机视觉领域，多视角3D 重建一直是一项重要且具挑战性的任务，尤其是在需要精确且可扩展的表示时。 现有的主流方法，例如 DUSt3R，主要采用成对处理的方式，这种方法在进行多视角重建时需要复杂的全局对齐程序，既耗时又耗力。 为了解决这一问题，研究团队提出了 Fast3R，这是一种创新的多视角重建技术，它可以在一次前向传播中处理多达1500张图片，大幅提升了重建速度。
颠覆城市建模！AI生成3D城市模型GaussianCity，生成速度提升 60 倍！
南洋理工大学研究团第一项名为“GaussianCity”的超大规模3D城市模型生成技术引发了不少关注，这款由研究团队开发的全新框架，不仅在生成速度上实现了惊人的60倍提升，还突破了传统方法在规模上的限制，支持无边界的3D城市生成。 这一技术成果已被CVPR2025（计算机视觉与模式识别顶级会议）接收，成为虚拟现实、自动驾驶和数字孪生领域的重大突破。 据了解，GaussianCity在生成无人机视角和街道视角的3D城市模型方面达到了最先进的水平。
Zero-shot重建物理高斯资产，清华&光轮视觉大模型让机器人理解物理属性｜ICRA 2025
理解物体的物理属性，对机器人执行操作十分重要，但是应该如何实现呢？ 光轮智能与清华AIR、同济大学等机构联合提出了一种基于3D高斯溅射的方法——PUGS（Zero-shot Physical Understandingwith Gaussian Splatting）无需训练、零样本，它就能够从多视角图像中重建物体，并对各种指定的物理属性进行密集重建。 该论文已被ICRA 2025接收。
魔发奇缘，3D发型生成新突破！TANGLED：可用任意样式和视点的图像生成 3D 发束
在数字时代，发型不仅是时尚的标志，更是个人文化身份的彰显。 但传统3D发型生成技术往往难以捕捉复杂发型的细腻之美。 为此，上海科技大学和华中科技大学推出了ANGLED技术，能从任意风格、视角的图像中，轻松生成逼真3D发型。
剧本自动生成3D动画！北航中大等提出新方法，破解多人交互难题 | ICLR 2025
设定一个3D场景，你便可以用文字编织你的剧情。 一句话，就能让两个人激烈争吵。 吵完之后，又温馨共舞起来~想怎么排就怎么排，就像影视拍摄或舞台剧的编排一样，只需在剧本中设定角色的行动、互动和环境要素，就能自动生成符合逻辑的3D角色动画，让你的剧情真正“动”起来。
英伟达黑科技登场！RTX神经纹理压缩，显存用量狂减96%
在显卡技术不断迭代的当下，NVIDIA再次凭借其前沿创新，吸引了全球科技爱好者的目光。 RTX神经纹理压缩（NTC）技术在beta测试演示中的表现，堪称惊艳。 它成功地将3D应用中的内存纹理占用大幅降低，最高降幅可达96%，为图形处理领域带来了全新的变革可能。
Diffusion-SS3D：用扩散去噪革新半监督3D检测，伪标签更准，mAP提升6%！
一眼概览SemCity 是一种 基于三平面扩散（Triplane Diffusion） 的 3D 语义场景生成模型，能够在 真实户外环境 中进行 场景生成、语义补全、场景扩展（Outpainting）和修补（Inpainting），并在 SemanticKITTI 数据集 上显著提升生成质量。 核心问题背景问题：当前 3D 扩散模型大多专注于 单个物体 或 室内合成场景，对于 真实户外场景 仍然缺乏研究。 此外，户外数据由于传感器局限性（空白区域较多），导致模型难以学习 完整的三维语义分布。
StochSync：可在任意空间中生成高质量360°全景图和3D网格纹理
本文经AIGC Studio公众号授权转载，转载请联系出处。 StochSync方法可以用于在任意空间中生成图像，尤其是360°全景图和3D网格纹理。 该方法利用了预训练的图像扩散模型，以实现zero-shot生成，消除了对新数据收集和单独训练生成模型的需求。
Chirpy3D：用于创意 3D 鸟类生成的连续部分潜在特征
Chirpy3D框架可以将细粒度的2D图像理解提升至3D生成的全新境界。 当前的3D生成方法往往只关注于重构简单的对象，缺乏细致的特征和创造性。 Chirpy3D通过结合多视角扩散模型和连续的部件潜在空间，能够生成全新且合理的3D鸟类模型。
单张照片生成3D头部模型！Adobe提出FaceLift，从单一人脸图像重建360度头部模型
本文经AIGC Studio公众号授权转载，转载请联系出处。 FaceLift是Adobe和加州大学默塞德分校推出的单图像到3D头部模型的转换技术,能从单一的人脸图像中重建出360度的头部模型。 FaceLift基于两阶段的流程实现:基于扩散的多视图生成模型从单张人脸图像生成一致的侧面和背面视图;生成的视图被输入到GS-LRM重建器中,产出详细的3D高斯表示。
MV-DUSt3R+: 只需2秒！Meta Reality Labs开源最新三维基座模型，多视图大场景重建
本文一作为唐正纲，目前为博士生，就读于伊利诺伊大学厄巴纳 - 香槟分校，本科毕业于北京大学。 通讯作者是严志程，Meta Reality Labs 高级科研研究员 (Senior Staff Research Scientist)，主要研究方向包括三维基础模型，终端人工智能 (On-device AI) 和混合现实。 近期，Fei-Fei Li 教授的 World Labs 和 Google 的 Genie 2 展示了 AI 从单图生成 3D 世界的能力。
模型压缩70%！精度更高！开源MoDec-GS：更紧凑、更精确的动态3DGS
本文经3D视觉之心公众号授权转载，转载请联系出处。 论文信息标题：MoDec-GS: Global-to-Local Motion Decomposition and Temporal Interval Adjustment for Compact Dynamic 3D Gaussian Splatting作者：Sangwoon Kwak, Joonsoo Kim, Jun Young Jeong, Won-Sik Cheong, Jihyong Oh, Munchurl Kim机构：ETRI, South Korea、KAIST, South Korea、Chung-Ang University, South Korea原文链接：：. 导读3D Gaussian Splatting (3DGS)在场景表示和神经渲染方面取得了重大进展，并致力于使其适应动态场景。
理想汽车提出3DRealCar：首个大规模3D真实汽车数据集!
本文经AIGC Studio公众号授权转载，转载请联系出处。 理想提出3DRealCar，这是第一个大规模 3D 实车数据集，包含 2500 辆在真实场景中拍摄的汽车。 3DRealCar的目标是可以成为促进汽车相关任务的宝贵资源。
单图秒变3D对象，还可交互实时编辑！Stability AI中科大校友新作
近日，Stability AI发布消息，公开3D重建新方法SPAR3D的设计原理、代码、模型权重等。 SPAR3D可在一秒内从单张图像生成3D物体的完整结构并且可以实时编辑。 文章亮点：新方法SPAR3D实现了实时编辑，在不到一秒内可从单图完成3D对象的结构生成。