上海人工智能实验室开发的一款文字转换3D模型,能够在5分钟内生成高质量的 3D 物体。
生成过程分两步:
- 模型从已有的 3D 数据中学习,通过扩散模型,快速生成粗略的3D模型。这一步主要是为了快速制作原型。
- 利用 2D 图像的扩散模型,进一步改善第一步生成的 3D 模型纹理,使其看起来更真实。这一步包括对模型的细节进行优化。
为了训练这个模型,技术团队清理并标注了一个 大规模的开源3D数据集,并结合了视觉语言模型和大型语言模型的技术。模型和代码可公开获取。
论文地址
项目地址
上海人工智能实验室推出3DTopia,支持文生3D,5分钟内生成高质量物体模型。采用两阶段扩散架构:先基于3D数据生成几何粗模,再用2D图像扩散模型优化纹理与细节。依托自建清洗标注的大规模开源3D数据集,融合视觉语言与大语言模型能力,模型与代码已开源。
上海人工智能实验室开发的一款文字转换3D模型,能够在5分钟内生成高质量的 3D 物体。
生成过程分两步:
为了训练这个模型,技术团队清理并标注了一个 大规模的开源3D数据集,并结合了视觉语言模型和大型语言模型的技术。模型和代码可公开获取。
论文地址
项目地址
微软研究院联合多所高校发布 Mirage 模型,通过在扩散模型隐空间直接存储三维记忆,解决了 AI 视频生成中场景一致性差及计算昂贵的问题。该方案摒弃传统 RGB 点云渲染流程,使生成速度提升最高 10.57 倍,显存占用降低 55 倍,且长视频边际成本几乎不增。测试显示其三维与光度一致性优于现有方案,虽暂不支持动态物体记忆,但已开源并适用于机器人仿真等静态场景任务。
Google 推出 Information Agents 功能,面向 AI Ultra 订阅用户开放。该功能将搜索从被动查询转变为主动监测,智能体可 7×24 小时追踪用户需求并推送变化信息。其底层依托 Personal Intelligence 战略,通过整合 Gmail、Photos 等跨应用数据实现个性化推理。尽管存在隐私与准确性挑战,但凭借二十年数据积累,Google 正推动 AI 助手从对话工具向自主代理进化,重塑“信息找人”的交互范式。
6 月首周,月之暗面、微软、Google 及 Databricks 密集发布智能体产品,标志着 AI 正从对话助手转向持续行动系统。其中 Kimi Work 主打本地桌面运行,支持多智能体并行与浏览器接管;Microsoft Scout 定位永远在线的个人助理;Google 推出 24 小时信息追踪智能体;Databricks 开源 Omnigent 实现跨智能体互操作。行业共识逐渐形成,智能体将具备自主调度、任务拆解及持续运行能力。
围绕《文字转 3D 模型 3DTopia,能够在 5 分钟内生成高质量 3D 物体》展开交流,未登录用户可浏览评论,登录后可参与讨论。