VLM-GPA团队 投稿 量子位 | 公众号 QbitAI 单靠一张RGB照片还原精准的3D人体模型，究竟有多难？ 虽然基于扩散模型 （Diffusion Models） 的人体姿态估计方法让生成结果变得多样化，但"幻觉"也随之而来： 人体四肢莫名穿透身体、脚底悬空、或者在复杂遮挡下姿态完全走样。 针对这些顽疾，来自 南洋理工大学（NTU）、香港科技大学（广州）、商汤科技以及A*STAR 的研究团队提出了一种全新方案： VLM- Guided Group Preference Alignment 。 他们开发了一个 具备"双重记忆"和"自我反思"能力的VLM裁判代理 ，并提出了一套全新的 群体偏好对齐 （Group Preference Alignment） 框架。该框架灵感源自大语言模型中爆火的GRPO技术，并将其首次成功适配到3D人体网格恢复 （HMR） 领域，显著提升了 模型在野外复杂场景下的表现。 目前，该论文已被 CVPR 2026 接收。 痛点：为什么扩散模型也会"飘"？ 在单目HMR任务中，由于深度信息的缺失，同一个2D观察在数学上可能对应无数种3D姿态。 现有的扩散模型虽然能生成多个候选结果来 ...