现在， Gemini 3 Deep Think 看一眼照片，就能脑补全这张锅在各个角度的长宽高、厚度甚至把手的弧度，直接变出一个立体实物原型。
英伟达新论文让AI学会先盖房、再装修。
过去一年，AI的主战场几乎被大模型、生图和生视频占满。2026年伊始，市场终于开始把目光投向一个更难、也更关键的领域：3D生成。
周末看到一个好玩的东西。 3D领域的NanoBanana也来了。 中间有一句比较重要的功能，是我觉得非常有意思的： 可以通过提示进行局部编辑。 玩过NanoBanana的肯定很熟了。 算了补全了一块有
IDEA研究院张磊团队与香港科技大学谭平团队联合推出SceneMaker框架，有望攻克这一问题。 它以视启未来的万物检测模型DINO-X与光影焕像的万物3D生成模型Triverse为基础，实现了从任意开放世界图像（室内/室外/合成图等）到带Mesh的3D场景的完整重建。
2025年，风光无限的机器人们在Demo中大秀绝活，从叠衣服、工厂和物流站分拣包裹，到零售店卖货……它们忙碌的身影存在于各种各样的场景中。但回到现实世界，具身智能真正参与的生活和生产环节，却少之又少。
随着 AIGC（Artificial Intelligence Generated Content） 的爆发，我们已经习惯了像 Sora 或 Wan 这样的视频生成模型能够理解「一只宇航员在火星后空翻」这样天马行空的指令。然而，3D 人体动作生成（3D MoGen）领域却稍显滞后。
让静态3D模型「动起来」一直是图形学界的难题：物理模拟太慢，生成模型又不讲「物理基本法」。近日，北京大学团队提出DragMesh，通过「语义-几何解耦」范式与双四元数VAE，成功将核心生成模块的算力消耗降低至SOTA模型的1/10，同时将运动轴预测误差降低了10倍。
“我其实天生就是一个适合创业的人。”
想用3D高斯泼溅（3DGS）重建一座城市？
