行业首个具备“高刷”视频理解能力的多模态模型MiniCPM-V 4.5的技术报告正式发布！报告提出统一的3D-Resampler架构实现高密度视频压缩、面向文档的统一OCR和知识学习范式、可控混合快速/深度思考的多模态强化学习三大技术。
自 Sora 亮相以来，AI 视频的真实感突飞猛进，但可控性仍是瓶颈：模型像才华横溢却随性的摄影师，难以精准执行 “导演指令”。我们能否让 AI 做到： 仅凭一张静态照片，就能 “脑补” 出整个 3D
先给你们看个刺激的：国外有个哥们儿，自己一个人用 AI做 3D 模型，最高单日收入折算快 1 万人民币了：一年收入30 万刀。而他在用的也只是通过提示词让 AI 生成对应的 3D 模型，或者上传图片生成 3D 模型。
浙江大学与港大团队推出「Prior Depth Anything」，把稀疏的深度传感器数据与AI完整深度图融合，一键补洞、降噪、提分辨率，让手机、车载、AR眼镜都能实时获得精确三维视觉。无需额外训练，就能直接提升VGGT等3D模型的深度质量，零样本刷新多项深度补全、超分、修复纪录。
不用在建模、UV、贴图软件之间反复横跳，一个工作台就能得到：这是腾讯专为3D设计师、游戏开发者、建模师等打造的专业级AI工作台混元3D Studio。
构建一个工业级高仿真 3D 虚拟世界，需要投入多少时间与人力？如果仅需一段描述、一张草图，AI 便可快速自动生成 —— 你相信吗？
近来，由AI生成的视频片段以前所未有的视觉冲击力席卷了整个互联网，视频生成模型创造出了许多令人惊叹的、几乎与现实无异的动态画面。
腾讯混元 3D 发布了全新 3.0 版本，带来了更丰富的细节和更真实的质感，我们的创意可以不用停留在文字、图片或视频，而是现实世界里，能够摸得着的物理实体。
作为AI驱动的3D建模平台，Tripo（https://www.tripo3d.ai）已在全球覆盖超300万专业开发者，AI 3D原生模型数量超过4000万，中小用户超4万，并推出了一站式AI 3D工作台Tripo Studio
这篇题为《Nav-R1: Reasoning and Navigation in Embodied Scenes》的新论文，提出了一个新的「身体体现式（embodied）基础模型」（foundation model），旨在让机器人或智能体在 3D 环境中能够更好地结合「感知 + 推理 + 行动」。简单说，它不仅「看到 + 听到＋开动马达」，还加入清晰的中间「思考」环节。
