乔布斯的皮克斯，狂赞中国物理AI数据终端
乔布斯的皮克斯，狂赞中国物理AI数据终端皮克斯最新3D渲染教程采用禾赛科技Kosmo采集的真实场景3DGS数据，禾赛称Kosmo可融合多传感器数据并输出3DGS、mesh和depth，为机器人训练提供物理AI数据终端。
来自主题: AI资讯
8740 点击 2026-10-17 12:01
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
皮克斯最新3D渲染教程采用禾赛科技Kosmo采集的真实场景3DGS数据，禾赛称Kosmo可融合多传感器数据并输出3DGS、mesh和depth，为机器人训练提供物理AI数据终端。
过去三年，3D Gaussian Splatting（3DGS）几乎成为实时3D场景重建与新视角合成的“默认答案”。
近期， ECCV 2026 结果公布，Realsee 团队的成果 Argus: Metric Panoramic 3D Reconstruction for Indoor Scenes 成功入选。它面向室内全景图像，能够从稀疏、无序的全景照片中，直接预测相机位姿、度量深度和点云重建结果，可以为 3DGS 提供更稳定、更精准的几何约束。
空间智能与世界模型初创公司知天下（苏州）人工智能科技有限公司（以下简称“知天下”）近日已完成天使轮融资。知天下是一家专注于高斯泼溅（3D Gaussian Splatting，简称3DGS）三维重建与生成技术的AI企业，于 2024 年初推出 3DGS 免费重建与发布服务
近年来，3D Gaussian Splatting（3DGS）在三维视觉和图形学中展现出很强的表示与渲染能力。相比传统体素或神经辐射场，它用一组可优化的各向异性高斯来表示三维场景，既能保留连续空间结构，又能实现高速渲染。
近年来，3D 高斯泼溅（3D Gaussian Splatting, 3DGS）凭借其卓越的新视角合成能力和实时的渲染效率，极大地推动了神经渲染技术的发展。然而，当研究者试图直接从 3DGS 中提取精确的 3D 几何表面（Mesh 等）时，往往会面临严重的几何失真问题。
上海交通大学钟志航团队联合上海人工智能实验室、西北工业大学、四川大学等高校在 CVPR 2026 上提出Proxy-GS（Proxy-GS: Unified Occlusion Priors for Training and Inference in Structured 3D Gaussian Splatting），面向基于 MLP 的结构化 3D 高斯溅射（3DGS），
想用3D高斯泼溅（3DGS）重建一座城市？
在三维视觉领域，3D Gaussian Splatting (3DGS) 是近年来大热的三维场景建模方法。它通过成千上万的高斯球在空间中“泼洒”，拼合成一个高质量的三维世界，就像是把一片空白的舞台，用彩色的光斑和粒子逐渐铺满，最后呈现出一幅立体的画卷。
3D Gaussian Splatting (3DGS) 是一种日益流行的新视角合成方法，给定 3D 场景的一组带位姿的图像（即带有位置和方向的图像），3DGS 会迭代训练一个场景表示，该表示由大量各向异性 3D 高斯体组成，用以捕捉场景的外观和几何形状。