LangScene-X团队 投稿 量子位 | 公众号 QbitAI 最少只用2张图，AI就能像人类一样理解3D空间了。 ICCV 2025最新中稿的 LangScene-X ： 以全新的 生成式框架 ，仅用稀疏视图（最少只用2张图像）就能构建可泛化的3D语言嵌入场景，对比传统方法如NeRF，通常需要20个视 角。 团队一举攻克传统方法依赖密集视图的痛点，更将多模态信息统一在单一模型中，为空间智能领域打开了新大门。 这意味着， 生成式模型能像人类一样，仅凭稀疏视觉输入构建融合语言理解的3D空间认知系统 。 3D语言场景生成的困境 当前3D语言场景生成有以下3个核心困境 ： 密集视图依赖与稀疏输入缺失的矛盾 传统方法（如NeRF、Gaussian Splatting）高度依赖校准后的密集视图（通常超过20个视角），当输入视图稀疏（如仅2-3张图像）时，会 出现严重的3D结构伪影和语义合成失真。例如，LangSplat和LangSurf在厨房场景中使用稀疏视图时，物体边界模糊率超过40%，而真实场 景中获取密集视图往往成本高昂。 跨模态信息割裂与3D一致性缺失 外观、几何、语义三类信息通常由独立模块处理，导致模态间 ...

Epona: Autoregressive Diffusion World Model for Autonomous Driving SynthDrive: Scalable Real2Sim2RealSensor Simulation Pipeline for High-Fidelity Asset Generation and Driving DataSynthesis 这次ICCV很热闹啊！ICCV25放榜了，陆续有工作放出。自动驾驶之心也给大家盘点下这次中稿的一些工作！ 注：部分工作前期已经来到我们自动驾驶之心知识星球做过分享。更多内容欢迎扫码加入我们的自驾社区，第 一时间掌握所有动态。 【视频+解析】 DriveArena: A Controllable Generative Simulation Platform for Autonomous Driving Boost 3D Reconstruction using Diffusion-based Intrinsic Estimation StableDepth:Scene-Consistent andScale-Invariant Monocu ...

【视频+解析】DriveArena: A Controllable Generative Simulation Platform for Autonomous Driving Boost 3D Reconstruction using Diffusion-based Intrinsic Estimation Epona: Autoregressive Diffusion World Model for Autonomous Driving SynthDrive: Scalable Real2Sim2RealSensor Simulation Pipeline for High-Fidelity Asset Generation and Driving DataSynthesis StableDepth:Scene-Consistent andScale-Invariant Monocular Depth CoopTrack: ExploringEnd-to-End Learning for EfficientCooperative Sequential Perception U-ViLAR: Uncertai ...

整理 | 华卫、核子可乐 在今年的 WWDC 全球开发者大会上，苹果推出新一代专为增强 Apple Intelligence 功能所开发的语 言基座模型。经过优化的最新基座模型可在苹果芯片上高效运行，包括一个约 3B 参数的紧凑型模型 和一个基于服务器的混合专家模型，后者为专门针对私有云量身定制的全新架构。 这两大基座模型，均隶属于苹果为支持用户而打造的生成式模型家族。这些模型改进了工具使用与推 理能力，可以理解图像与文本输入，速度更快、效率更高，而且能够支持 15 种语言及平台中集成的 各种智能功能。 据介绍，苹果通过开发新的模型架构来提高这两个模型的效率。对于设备端模型，将整个模型按 5： 3 的深度比分为两块。块 2 中的所有键值（KV）缓存都直接与块 1 最后一层生成的缓存共享，由此 将键值缓存的内存占用量降低了 38.5%，同时显著改善了首个 token 生成时间（time-to-first- token）。 苹果还引入并行轨道专家混合 （PT-MoE） 设计，为服务器端模型开发出一套新架构。此模型由多 个较小的 Transformer（即「轨道」）组成，它们独立处理各 token，仅在各轨道块的输 ...

在构建通用人工智能、世界模型、具身智能等关键技术的竞赛中，一个能力正变得愈发核心 —— 高质量的 3D 场景生成 。过去三年，该领域的研究呈指数级增 长，每年论文数量几乎翻倍，反映出其在多模态理解、机器人、自动驾驶乃至虚拟现实系统中的关键地位。 技术路线 四大生成范式全面解析 早期的 3D 场景生成工作主要通过程序化生成实现。自 2021 年以来，随着生成式模型（尤其是扩散模型）的崛起，以及 NeRF、3D Gaussians 等新型 3D 表征的提 出，该领域进入爆发式增长阶段。方法日益多元，场景建模能力持续提升，也推动了研究论文数量的快速上升。这一趋势凸显出对对该领域进行系统化梳理与全 面评估的迫切需求。 论文标题：3D Scene Generation: A Survey 论文链接：https://arxiv.org/abs/2505.05474 精选列表：https://github.com/hzxie/Awesome-3D-Scene-Generation 在本综述中，研究团队构建了一套系统的技术分类体系，将现有 3D 场景生成方法划分为四大主流范式，每类方法均结合代表性工作进行了深入梳理。 这四大 ...

和 AI 谈恋爱的有很多，但是到谈婚论嫁的程度，还买好了戒指、策划了婚礼的，真是不多见。 | Sün | Sun Club 太阳俱乐部 | News 新闻 | Sport 体育 | | --- | --- | --- | --- | | 泄露的担忧。此外,这些数据可能被用来创建用户的高度个性化档 | | | | | 案,然后可能被用于定向广告或其他目的。 | | | | | Experts suggest several measures to mitigate these risks, such | | | | | as being cautious about the information shared with chatbots | | | | | and understanding the privacy policies of the services used. It is | | | | | also recommended to regularly review and manage privacy | | | | | settings and to be aware of the pote ...