中
◀ Back to feed
arXiv / Hugging Face Papers

SplatAnything(浙大 3DV):给前馈式 3D 高斯重建加「高斯间距归一化」,同一个模型能处理任意尺度的场景

Collected 2026-11-09 16:00 AI news #ai#tech
Full text

改进了什么:前馈式 3DGS 模型一步就能从几张图重建 3D 场景,但场景大小和视角一变,预测出的高斯点分布就失准,泛化差。靠什么:作者提出 Gaussian Spacing Normalization,把场景级的高斯间距统计量规范到统一尺度再预测,相当于先消掉「这个场景有多大」的差异。效果:论文称在不同场景尺度和视角下重建质量都更稳。这是 HF 本周点赞最高的论文之一(45 赞),代码已开源在 zju3dv/SplatAnything,适合关注数字孪生、具身仿真里快速 3D 重建的团队。

Source
Title
SplatAnything(浙大 3DV):给前馈式 3D 高斯重建加「高斯间距归一化」,同一个模型能处理任意尺度的场景
Author
—
Site
arXiv / Hugging Face Papers
Published
—
Collected
2026-11-09 16:00 · 2026-11-09-16-ai.json
Link
https://huggingface.co/papers/2611.08264
Open original ↗

Reposted. Will be removed on request. All rights belong to the original author.

More from this batch

16:00batch · 2026-11-0912 items
>

Anthropic secures $3.4 billion generator deal for AI data centers, FT reports

Anthropic bought commitments for 1.7 gigawatts of heavy-duty gas-fired generators from OnePWR Solutions in a deal worth about $3.4 billion, …

CNBC(转述《金融时报》)
>

Is Jensen Huang’s job on the line? Yale’s Jeffrey Sonnenfeld estimates it’s “about a 50-50”

After Nvidia’s board opened an independent investigation into Jensen Huang, Yale’s Jeffrey Sonnenfeld puts his odds of surviving at about 50…

TechCrunch
>

网易有道 Confucius4-R2T2:不改模型结构,只用「最长稳定前缀」标签做后训练,让流式语音识别接近整句识别的准确率

改进了什么:流式语音识别为了低延迟要边听边出字,但已经吐出的字常常被后面的音频推翻重写,字幕一闪一闪,准确率也不如等整句说完再识别。靠什么:作者构造「最长稳定前缀」标签,只让模型学习输出那部分之后不会再变的文字,在现有模型上做后训练,不需要改架构。效果:论文称在低延迟下接近整句(…

arXiv / Hugging Face Papers
>

Video-Coder:让智能体写代码搭 3D 场景再渲染成视频,用执行结果和视频质量做强化学习奖励

改进了什么:直接用扩散模型生成视频很难精确控制物体位置、运动和镜头。靠什么:Video-Coder 换了一条路,让模型写并执行代码来构建动态 3D 场景,再渲染出视频;训练分两步,先监督微调,再用「代码能否执行」和「视频是否符合要求」两类奖励做强化学习。效果:论文称可控性明显优于…

arXiv / Hugging Face Papers
>

AgentBaton:智能体任务做到合适阶段就从强模型「交棒」给便宜模型,准确率不掉、API 成本大降

改进了什么:智能体全程用最强模型很贵,全程用小模型又容易失败。靠什么:作者发现任务前期规划交给强模型、后期执行交给高效模型,在合适的阶段交接就能保住准确率;他们训练了一个轻量检测器 AgentBaton,判断什么时候可以交棒。效果:论文称大幅节省 API 费用,并把准确率和成本的…

arXiv / Hugging Face Papers
>

P²-MOPD:多教师在线蒸馏时,把各个专家模型的参数当先验,学生恢复更快、各项能力更均衡

改进了什么:把多个领域专家模型蒸馏成一个学生模型时,常见的多教师在线策略蒸馏(MOPD)收敛慢,而且容易偏向某几个教师。靠什么:P²-MOPD 在在线蒸馏目标下同时优化教师的混合系数和学生权重,让专家模型作为参数先验参与初始化和约束。效果:论文称比 MOPD 恢复更快、能力更均衡…

arXiv / Hugging Face Papers
>

可灵团队 LongBanana:首个专家设计和校验的「长上下文多参考图合成」基准,考验智能体生图时能不能找对证据、拒绝干扰

这是个新基准,不是新模型:任务要求从大量分散的参考图里找到真正相关的视觉证据,排除干扰图,把人物、物体和关系对上,最后合成一张连贯的图。作者称这是首个由专家设计并逐题校验的此类基准,共 90 道精心构造的题目。它测的正是「智能体驱动的图像生成」里最容易出错的环节:多张参考图一多,…

arXiv / Hugging Face Papers
>

韩国 ETRI 开源无代码 AI 开发工具 TANGO 2:网页里点选就能用行业数据训练 LLM,并部署到云、内网服务器或端侧

韩国电子通信研究院(ETRI)11 月 9 日宣布开源 TANGO,这是一个把模型训练、优化、部署串成一条流水线的无代码工具,目标用户是工厂、医院、造船、农业等现场的非 AI 专家。TANGO 1 做视觉 MLOps,TANGO 2 扩展到生成式 AI 和 LLMOps,能用行业…

韩国 ETRI / 韩联社
>

花叔开源全球鸟类贴纸库:用 AI 为 AviList 2026 全部 11011 种鸟各画一张贴纸,带 43 种语言名称和结构化数据

作者「花叔」用 Claude Code、Codex 等工具批量生成并整理了全部 11011 种鸟的贴纸,附 43 种语言的鸟名和分类数据,配套网站 birdalbum.com 可以浏览。仓库说明写的是 CC BY 4.0(GitHub 未自动识别许可证),10 月 30 日创建,…

GitHub
>

kubai-icons:给 Claude Code、Codex 等编码智能体用的动画图标技能,附 2600 多个风格统一的开源图标

这是一个 agent skill:装进编码智能体后,它能按同一套风格画出带悬停动效的图标,并提供 2600 多个现成图标,支持 React、Vue 和 SVG,配有浏览网站 icons.kubai.design。11 月 3 日创建,约 420 星;GitHub 识别许可证为「其…

GitHub
>

集智俱乐部解读 Nature Communications:清华团队让数千个 LLM 智能体自由交友讨论政治,没有预设规则也会自发抱团、观点极化

清华电子系李勇团队 10 月发表在《自然·通讯》的论文,模拟数千个大模型智能体自己建立社交关系、讨论政治议题,结果在不预设任何极化规则的情况下,智能体自发形成同质化小圈子并出现观点极化,和人类社会的现象很像。作者认为这样的智能体网络可以当作研究舆论动态和干预手段的「合成试验场」。…

公众号 · 集智俱乐部
>

新智元解读 EMNLP 2026 论文 Auto-Robotist:让 LLM 智能体设计机器人,每次试错都沉淀成可复用的「设计技能」

密歇根大学团队的工作:智能体提出机器人形态,在仿真里训练控制器并评估,再把成功和失败的经验提炼成自然语言写成的设计技能,下一次设计直接调用,搜索过程因此越跑越快。论文已被 EMNLP 2026 主会录用并开源。它和最近很多「自进化技能库」的智能体思路一致,只是落在了机器人协同设计…

公众号 · 新智元(解读)