速递｜全球首个多模态交互3D大模型来了，GPT-4o都没做到的，它做到了
速递｜全球首个多模态交互3D大模型来了，GPT-4o都没做到的，它做到了前些天，GPT-4o的多模态生图上线之后，引发全球AI社区广泛的关注，吉卜力图画全网风靡。
来自主题: AI资讯
9661 点击 2025-04-14 11:59
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
前些天，GPT-4o的多模态生图上线之后，引发全球AI社区广泛的关注，吉卜力图画全网风靡。
仅用4090就能实现大规模城市场景重建！
面向3D生成，来自VAST和清华大学的自动绑骨框架开源了！3D内容创作领域正经历前所未有的爆发，无论是成熟的传统工作流，还是以VAST（Tripo）为代表的AI驱动生成工具的飞速发展，都体现了市场对高质量3D资产需求的日益激增
在现实世界中，如何让智能体理解并挖掘 3D 场景中可交互的部位（Affordance）对于机器人操作与人机交互至关重要。所谓 3D Affordance Learning，就是希望模型能够根据视觉和语言线索，自动推理出物体可供哪些操作、以及可交互区域的空间位置，从而为机器人或人工智能系统提供对物体潜在操作方式的理解。
随着 VR/AR、游戏娱乐、自动驾驶等领域对 3D 场景生成的需求不断攀升，从稀疏视角重建 3D 场景已成为一大热点课题。
想象一下，一座生机勃勃的 3D 城市在你眼前瞬间成型 —— 没有漫长的计算，没有庞大的存储需求，只有极速的生成和惊人的细节。
4D LangSplat通过结合多模态大语言模型和动态三维高斯泼溅技术，成功构建了动态语义场，能够高效且精准地完成动态场景下的开放文本查询任务。该方法利用多模态大模型生成物体级的语言描述，并通过状态变化网络实现语义特征的平滑建模，显著提升了动态语义场的建模能力。
「来绘」是一个由AI驱动的、玩家可以DIY的3D美学社区，而它构建起的，实际上是一个「游戏+社交+电商」的一体化数字美学生态。
3D生成版DeepSeek再上新高度！
从单张图像生成灵活视角3D场景的技术来了，在考古保护、自主导航等直接获取3D数据成本高昂或不可行的领域具有重要应用价值。