VGGT4D：无需训练，挖掘3D基础模型潜力，实现4D动态场景重建
VGGT4D：无需训练，挖掘3D基础模型潜力，实现4D动态场景重建如何让针对静态场景训练的 3D 基础模型（3D Foundation Models）在不增加训练成本的前提下，具备处理动态 4D 场景的能力？
来自主题: AI技术研报
6671 点击 2025-12-17 14:38
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
如何让针对静态场景训练的 3D 基础模型（3D Foundation Models）在不增加训练成本的前提下，具备处理动态 4D 场景的能力？
大模型时代，基础模型卷到飞起，参数规模爆炸再爆炸，但谈到落地应用，产业端反馈出的问题依然明显：
开源模型再次迎来一位重磅选手，就在刚刚，小米正式发布并开源新模型 MiMo-V2-Flash。
近两年，随着底层大模型在 Coding 等方面上的能力提升，像秒哒这样的 AI 生产力产品也越来越成熟。编程，这样一件在大众视野下普遍被认为门槛很高的事情，也逐渐变得民主化。一些学习能力和动手能力比较强的人，也被称为 AI 时代的超级个体。
生成式模型正在成为机器人和具身智能领域的重要范式，它能够从高维视觉观测中直接生成复杂、灵活的动作策略，在操作、抓取等任务中表现亮眼。但在真实系统中，这类方法仍面临两大「硬伤」：一是训练极度依赖大规模演示数据，二是推理阶段需要大量迭代，动作生成太慢，难以实时控制。
今天，小米发布并开源了最新MoE大模型MiMo-V2-Flash，总参数309B，激活参数15B。今日上午，小米2025小米人车家全生态合作伙伴大会上，Xiaomi MiMO大模型负责人罗福莉将首秀并发布主题演讲。
作者提出了一个大规模、高质量、多类别的指令跟随的视频编辑数据集 OpenVE-3M，共包含 3M 样本对，分为空间对齐和非空间对齐 2 大类别共 8 小类别。
就在昨天，新加坡国立大学、中国人民大学、复旦大学等多所顶尖机构联合发布了一篇AI Agent 记忆（Memory）综述。
为了抢回头把交椅，OpenAI 今天正式推出了最新图像视觉模型 GPT-Image-1.5。这也是继 GPT-5.2 之后，OpenAI 红色警报计划中又一记重拳。
最近几天，一张开源模型的等级列表在 X 上被疯狂转载。 从夯到拉，国产开源模型排在了数一数二的位置，DeepSeek、Qwen、Kimi、智谱、还有 MiniMax 是全球开源模型的前五名。