无需训练的世界模型？西湖大学WorldForge开启空间智能新路径，让AI读懂3D世界
无需训练的世界模型？西湖大学WorldForge开启空间智能新路径，让AI读懂3D世界近来，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。
来自主题: AI技术研报
6684 点击 2025-09-22 09:21
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
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
香港科技大学谭平教授团队与地平线（Horizon Robotics）团队最新发布了一项 3D 场景表征与大规模重建新方法 SAIL-Recon，通过锚点图建立构建场景全局隐式表征，突破现有 VGGT 基础模型对于大规模视觉定位与 3D 重建的处理能力瓶颈，实现万帧级的场景表征抽取与定位重建，将空间智能「3D 表征与建模」前沿推向一个新的高度。
开放词汇识别与分类对于全面理解现实世界的 3D 场景至关重要。目前，所有现有方法在训练或推理过程中都依赖于 2D 或文本模态。这凸显出缺乏能够单独处理 3D 数据以进行端到端语义学习的模型，以及训练此类模型所需的数据。与此同时，3DGS 已成为各种视觉任务中 3D 场景表达的重要标准之一。
在游戏、影视制作、虚拟人和交互式内容创作等行业中，高质量的 3D 动画是实现真实感与表现力的基础。然而，传统计算机图形学中的动画制作通常依赖于骨骼绑定与关键帧编辑，这一流程虽然能够带来高质量与精细控制，但需要经验丰富的艺术家投入大量人力与时间，代价昂贵。
只需要一句话或一张图片，就能生成360度全景3D世界。
在复杂的城市场景中，HERMES 不仅能准确预测未来三秒的车辆与环境动态（如红圈中标注的货车），还能对当前场景进行深度理解和问答（如准确识别出 “星巴克” 并描述路况）。
现在这个时代，啥都讲究一句话生成。一句话P图、一句话写文案、生成画作、音乐、视频… 不过这些，在今天的想法面前，都显得有些弱了。
最近体验了一个 AI 工具的内测版本，确实跟之前见到的AI产品不太一样。 它做的事情是：一句话，生成一个完整可玩的3D游戏。