算法论文8

SP4D：2D 数据解锁 3D 世界新框架

机器之心2025-09-22

AI 摘要

张昊团队提出 SP4D 框架，利用 2D 数据解决 3D 运动学部件分解和自动 rigging 难题。它有双分支架构等创新，实验中精度、一致性等指标领先，为多领域自动化智能化奠定基础。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

双分支 YOLO11：精准抓非法捕捞暗船

非法捕捞的暗船常关掉 AIS 隐身，难被传统手段监控。论文提出双分支 YOLO11，通过夜光遥感数据精准检测，还设计预处理流程，在测试集表现优，规模化应用也得到暗船率等成果。

视频扩散模型生成新视角视频时，现有方法缺显式3D结构。智象未来提出DreamWorld，用3D先验与两阶段框架，结合结构和生成能力，在多基准测试表现领先。

视觉-语言-动作（VLA）模型是端到端自动驾驶主流技术，但自回归解码架构有瓶颈。复旦大学与引望智能联合提出WAM-Diff2，实现自回归VLA向离散扩散模型迁移，解码加速15.1倍，多任务性能不降。

国立清华与英伟达团队研究《VLM-AR3L》，把Gemini 2.0、GPT-4.1等拉进考场，评估视觉裁决能力。结果显示Gemini综合最稳，开源小模型特定场景反超。还提出VLM-AR3L框架破使用瓶颈，实战超人类手写奖励。