通用分割模型看不懂建筑？SAM 2.1微调后幕墙IoU涨35.5点
一栋楼站在那儿，几十米高，几千个构件。想把它搬进电脑，常见做法是让无人机绕着飞一圈拍上千张照片，再交给算法重建三维模型。
标签：3D渲染
共 57 篇
图像生成｜早稻田大学新作：用“看得见”的光，让高斯泼溅的近场反射不再糊
先从一个"面条"说起。四维时空里的黑洞相当老实：旋转的 Kerr 黑洞近年来已经被证明在亚极端情形下是非线性稳定的，意思是稍微推它一下，它晃两晃就回到原来的样子。但维度一加上去，情况立刻不同。
3D世界模型造出的场景都是"死"的？OuroWorld一键把它们复活
3D世界模型能把一张照片变成可走进去的场景，可这些世界是冻住的：叶子不摇，雾不飘，灯不闪。OuroWorld不用画任何掩膜，让视觉语言模型自己判断什么该动、怎么动，再用傅里叶形变场把首尾严丝合缝地接上。39个场景上全面超越四路基线，30人盲测偏好率70.8%—99%，值得一看它怎么在"互相打架"的脏监督里学出一个干净的4D场景。
27B模型硬刚GPT-5.5与Gemini：工业CAD多模态生成险胜0.8%
传统印象里，CAD建模是工程师坐在电脑前，对着软件菜单点点拖拖，从草图拉伸、切除、倒角一路做到出工程图。
图像生成｜东京大学最新研究：全景图生成提速15倍，质量反而更高？
生成一张360度全景图要等半小时？东京大学团队把时间压缩到2分钟，画质还更好，凭什么？
同济大学提出RealCAD：拍照秒变可编辑CAD模型，真实域参数精度大涨14.7%！
今天这篇来自同济大学的RealCAD，一口气揭了图像转CAD领域两个老底：合成图与真实照片之间的"照骗"差距，以及DeepCAD数据表示里藏着的"刷分捷径"。论文不仅把问题讲透了，还给出了从表示、图像到特征的三层解法，真实域参数精度直接拉升14.73个百分点，值得一读。
马普所PhysHead：给数字人装上“仿真头发”，风吹发丝不再僵硬
现在的数字人头像，脸可以以假乱真，头发却像顶了个头盔——怎么晃都是死的。马普所等机构提出PhysHead，把头发拆成一根根发丝并接入物理引擎，让头像在点头、转头甚至刮风时，头发真的会飘。顺便还借大模型把“秃头版”训练数据造了出来，细节拉满。
拒绝内卷！北大CVPR 2026新作ExtrinSplat：3D语义理解不嵌特征，存储直接砍到MB级
3D高斯泼溅遇上开放词汇理解，过去大家往点云里硬塞特征，结果存储爆表、边界糊成一片。北大这篇CVPR 2026新作反其道而行，把几何和语义彻底解耦，用VLM生成文本假设做外置索引，直接让特征存储从GB级砍到MB级。思路清奇，落地极香，值得一读！
同济开源AfordAny：单张照片搞定3D功能定位，473类基准领跑
单张照片就能告诉机器人“杯子把手在哪、椅子坐哪里”？同济大学与中科院最新开源AfordAny，把开放世界3D功能定位做成了端到端流水线，473类基准直接拉满。
CVPR 2026斯坦福新作：一张图推演3D世界，碰撞也能预测
斯坦福在CVPR 2026交出的这份P3Sim答卷，把"世界模型"从玄学拉回了工程：概率图模型+自回归Transformer+几何条件化，三大件拼出一个能从单张图推演3D物理变化的模拟器。新视角合成在SEVA基准上RE10K达到21.54的PSNR，3D物体操作在3DEditBench上PSNR冲到23.12。7月底刚聊过同团队PhyWM，这篇更像是把"懂物
腾讯中科大新研究：关节物体重建不用猜类型，螺旋关节误差骤降98%
关节物体重建一直是机器人操作里的硬骨头，以前的方法要么依赖关节类型先验，要么遇到螺旋关节就翻车。REArtGS++ 直接拿两张不同状态的多视角 RGB 照片，就把零件级网格、关节参数一起端出来，螺旋关节误差比之前最好的方法降了一个量级，单卡 4090 只要 20 分钟，值得一读。
UCLA最新研究：相同帧率下SLIM轴向信息多2.4倍
做光场显微的都知道，帧率和空间信息常常“按下葫芦浮起瓢”。这篇来自UCLA的工作，用Fisher信息把SLIM和FLFM在相同探测器带宽下的账算得明明白白：SLIM用更少的行读出，换来了更高的三维信息效率。做计算成像、显微系统设计或者想优化相机读出架构的朋友，值得一读。
