自动驾驶告别特权信息！Valeo.ai 500亿步开创新范式
继6月聊过Mila的Gigapixel自博弈训练之后，Valeo这篇Pictura直接更进一步：把强化学习的观察空间从特权矢量换成了摄像头第一视角的渲染图，彻底消除了部署时的表征鸿沟。500亿步训练后，效果居然还能跟特权基线掰手腕，零样本迁移到Waymo场景甚至反超——这才是自博弈该有的样子。
标签：3D渲染
共 57 篇高通联合高校新方案：3DGS也能像视频一样自适应流播放
想象一下你在云VR里看演唱会，网络突然卡顿，画面立刻变成马赛克甚至崩溃——SplatStream就是来终结这种尴尬的。它让动态3D高斯泼溅像视频一样支持自适应流传输，带宽不够就降质量但不中断，从粗糙到精细丝滑过渡。是不是很香？
SC26最新！3DGS压缩粒子数据：65倍压缩PSNR超30dB，渲染快2300倍
3D高斯泼溅这个计算机图形学的网红，被Temple大学和阿贡国家实验室的团队跨界用到科学数据压缩上，结果直接碾压传统有损压缩器SZ3好几个身位。不仅压缩比高，还能实时交互渲染，宇宙学家们可以欢呼了。看完直呼：还能这么玩？
3DMM法线图+视频扩散，TUM新作ViDS让表情控制告别“盲猜”
在视频生成领域，肖像动画一直是个既要保身份又要跟表情的棘手活。传统3DMM渲染生硬，纯扩散模型控制不准。本篇来自TUM和丰田的ViDS巧妙地把3DMM法线图作为视频扩散的条件，实现了精细、稳定的肖像动画生成，FID低至21.29，用户评分领先对手一大截。
告别猜参数：用可微渲染的梯度直接定位场景影响源
打游戏时你有没有想过——这个场景里哪个参数让画面这么亮？哪个材质导致眩光？传统方法得反复调参数试错，而这篇来自Simon Fraser大学的最新论文，把可微渲染的梯度当作“显著性图”，一次反向传播就能告诉你答案。就像Grad-CAM解释神经网络一样，现在轮到渲染器了。
CVPR 2026 PhyWM：1.4万亿token训练通用世界模型
继2026年5月推送的NeoVerse之后，斯坦福又带来一款暴力物理世界模型PhyWM。它没有标注，没有动作标签，仅靠自回归预测光流和RGB，就能零样本完成物体分割、3D操纵甚至Visual Jenga。对机器人、具身智能来说，这是一条通往物理智能的捷径。
3D纹理超分新SOTA来了！自适应视角+扩散模型，浙大这一招让老旧资产秒变4K
你是不是也遇到过这种尴尬：下载了一个精美的3D模型，结果纹理一放大全是马赛克，UV接缝处裂开得像补丁？传统图像超分模型拿到纹理图上直接翻车，生成模型又一味“自由发挥”不保留原细节。浙大团队这次祭出Texture++，用“自适应视角+四叉树掩码+局部单步扩散”三板斧，既保真又无缝，4倍超分PSNR飙到37.53，比SOTA高出1.5个dB，关键是——不需要梯度
ETH Zurich开源ReViV：单目视频4D重建，把人和场景一起读出来
一段单目第一人称视频，竟然想同时“读出”身体、手、注视、相机轨迹和深度。ReViV最有意思的地方，不是它又做了一个单任务模型，而是把这些本来就互相牵连的信号，硬是塞进了一个统一生成框架里，还跑得很快。
CMOS+3D打印联手，THz成像把0.2mm看清了
THz成像最烦的不是“看不见”，而是“看见了也看不清”。这篇工作把3D打印透镜和65nm CMOS源阵列拼成一套完整系统，直接把0.2mm细节、QR码和多层PCB内部结构都拎出来了，工程味很足。
HKUST新方法：3D场景编辑检索提升36.7点
3D场景检索最怕“指令说改一处，系统却把整间屋子都翻了”。这篇工作直接把问题拆成可执行的重排流程，还顺手补了一套新基准，实用性比很多只会讲概念的方案更硬。
CMU+Apple提出RayRoPE：多视图位置编码终于统一了
多视图Transformer最怕什么？不是算力不够，而是位置编码“认不出同一块内容”。RayRoPE直接把patch绑到射线上，再让模型自己猜深度、补不确定性，结果就是：既要几何一致，又要多频细节，还能保持SE(3)不变。Apple Research这篇，属于把老问题拆开后重新装对了。🤨
真实模糊场景里，JADE-GS为何更稳？
高速运动把图像“拍糊”这件事，常见到让人麻木，但真要把它从3D重建里彻底修好，难点就来了。JADE-GS的思路很直接：让事件相机补时间信息，再让3D几何反过来约束2D去模糊，效果和效率都比单向流水线更像样。
