- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI科技大本营的专栏
苹果发布 AI 生成模型 GAUDI，文字生成 3D 场景
整理 | 禾木木 出品 | AI科技大本营（ID:rgznai100） 前有DALL.E文本生成图像，现有将文字变成 3D场景。 近日，苹果 AI 团队发布最新 AI 模型 GAUDI，它是基于 3D 场景的神经架构 NeRFs，可以根据文字生成 3D 室内场景。 苹果 AI 团队发布的 GAUDI 是一种能够生成沉浸式 3D 场景的神经架构，可以根据文字提示创建 3D 场景。 例如，输入“穿过走廊”或“上楼梯”，就可以看到执行这一动作的 3D 场景视频。 Apple GAUDI 是 3D 内饰专家 虽然谷歌致力于使用 Dream Fields 生成单个对象，但将生成 AI 扩展到完全不受约束的 3D 场景仍是一个尚未解决的问题。 虽然现在 GAUDI 生成的 3D 场景视频质量还不是很高，但这也说明了 AI 在图像和视频技术这生成的另一种可能。
95820编辑于 2022-12-09 - 来自专栏AI科技评论
苹果开发「AI 建筑师」GAUDI：根据文本生成超逼真 3D 场景！
现在，来自苹果的 AI 团队推出了 3D 场景生成的最新神经架构—— GAUDI 。 它可以捕捉复杂和逼真的 3D 场景分布，从移动摄像机中进行沉浸式渲染，还能根据文本提示来创建 3D 场景！ 当然可以，已经有研究团队尝试了 3D 场景的生成，如谷歌在去年首次推出了 AI 系统 Dream Fields，它将 NeRF 生成 3D 视图的能力与 OpenAI 的 CLIP 评估图像内容的能力相结合 如果在场景生成时不考虑这些因素，那就很难生成 3D 场景。 前者是根据文本或图像提示来生成 3D 场景，后者则是根据摄像机轨迹来生成 3D场景。 通过 3D 室内场景，GAUDI 可以生成新的摄像机运动。 不过，这个系统或许可以为苹果正在进行的渲染 3D 对象和场景的 AI 系统，这是一个好的开始和基础，据说 GAUDI 还将被应用到苹果的 XR 耳机中，用于生成数字化位置。
57710编辑于 2022-08-26 - 来自专栏媒矿工厂
CVPR 2023 | MIME: 人物感知的 3D 场景生成
Yi 等人 内容整理: 林宗灏 本文提出了从 3D 人物运动生成 3D 室内场景方法 MIME，该方法由人物运动推断室内的自由空间和物体，采用自回归 Transformer 架构，将场景中人物动作和已生成的物体作为输入 实验表明，MIME 生成的 3D 场景支持人物接触和运动，并能够在自由空间中填充可信的物体。 引言 图 1：从人物运动估计 3D 场景。给定 3D 人物动作，我们可以重建运动可能发生的 3D 场景。 为了从 3D 人物运动生成 3D 室内场景，我们提出了 MIME（Mining Interaction and Movement to infer 3D Environments）来生成与人物运动相一致的室内场景 图 3：使用碰撞损失和接触损失进行场景细化。 模型生成的场景由 3D 边界框表示。根据边界框的大小和类别标签，我们从 3D FUTURE 中检索最接近的网格模型。 实验 定量结果 表 1：3D FRONT HUMAN 测试集上的定量比较。穿模损失、2D IoU 和 3D IoU 用于评估生成场景中人物与场景的交互。
61610编辑于 2024-01-23 HTML生成网页工具推荐：哪些场景最值得用AI？
于是，“HTML生成网页工具推荐”成了越来越多人主动搜索的关键词。与其问哪个工具最好，不如先想清楚：哪些场景最值得用AI？ 一、快速验证想法的场景比如你要测试一个新项目的落地页，核心是验证转化，而不是研究技术细节。这时候，用HTML生成网页工具可以直接生成结构清晰的页面骨架，省去手写模板的时间。 需要说明的是，lynxcode就是原来的lynxAI，功能上已经从单页生成扩展到完整应用构建。二、非前端开发者的协作场景产品经理、运营、内容编辑，经常需要一个“能跑起来的页面”去沟通想法。 HTML生成网页工具的价值就在于降低表达门槛，让非技术人员也能生成可预览的页面，再交给工程团队优化。在这种协作模式下，AI生成的是“沟通介质”，而不是最终成品。 四、学习与拆解结构对于初学者而言，AI生成的HTML代码也是一种学习素材。通过观察生成结果，可以理解页面布局逻辑、语义结构和基础样式组织方式，比从零空白开始更友好。
19210编辑于 2026-03-03- 来自专栏人工智能
📌《AI生成代码的边界测试：哪些场景人类仍需主导》
现状速览：AI代码生成器的双面性 已突破的边界✅ 重复性模板代码：实体类生成/CRUD接口（效率提升50%+）# AI自动生成的Flask路由模板 @app.route('/api/users', methods ，结果出现： 1️⃣ 羊毛党漏洞：未识别跨店铺满减叠加规则 2️⃣ 库存超卖：分布式锁实现缺失 3️⃣ 风控缺失：未考虑黄牛批量刷券场景 AI生成的代码就像未经打磨的玉石，需要人类注入业务灵魂 ：测试用例的“反直觉”设计 AI生成的典型测试代码// 仅覆盖基础场景 @Test void testCouponUse() { Coupon coupon = new Coupon(100, 20 ZIP文件耗尽系统资源 3️⃣ 跨租户越权：未隔离用户存储桶导致数据泄露 人类工程师引入"文件DNA指纹分析+沙箱行为检测"双重机制，拦截零日攻击 场景六：隐私计算的"维度战争"AI的合规陷阱差分隐私实现仅满足数学定义 人类专注业务异常流设计 风险预警实时数据流分析 提前10分钟发现资金闭环漏洞知识沉淀故障模式自动归档构建企业级防御性编程知识库 ⚙️ 腾讯云场景化解决方案▸ CODING DevOps：AI生成代码质量门禁
59210编辑于 2025-04-14 - 来自专栏大数据文摘
两句话，让AI生成VR场景！还是3D、HDR全景图的那种
最近，新加坡南洋理工大学的研究团队就提出了这么一个AI，只要用户用文字输入一个描述得很清晰的场景，系统就能生成逼真的3D场景。 论文链接： https://arxiv.org/abs/2209.09898 无需训练，即可生成3D的HDRIs 高质量的HDRI（高动态范围图像），也就是HDR全景图，是目前创建逼真的360度3D场景的热门方法 考虑到捕捉HDRIs的难度，虽然现在有不少可利用AI生成3D场景的技术，但基本都需要进行一连串的参数设定，或是通过大量数据进行深度学习。 不过，目前此项技术仍处于早期研究阶段，仅能产生低解析度的360度环景图像内容，但研究团队计划在未来，对现阶段技术所产生环景图像进行升级，同时加入HDR影像强化效果，让生成的3D图像或VR场景的观看度更加流畅和有吸引力 也有网友表示，当试图输入“一个四层半的榻榻米房间，房间内有推拉门、拉门、餐桌、14寸黑白电视、黑色电话机”，仍然会担心AI能否比较准确地再现这种场景。
1.2K30编辑于 2023-04-10 - 来自专栏心源易码
Amazon Bedrock + Llama3 生成式AI实践
这些改进共同作用，使得Llama 3在推理、代码生成和指令跟踪等关键能力上都有了显著提高，极大地增强了模型的可操控性。 这样的训练规模，使得Llama 3成为了当今性能最好的生成人工智能模型之一。将视角转向人工智能基准测试，Llama 3的表现同样令人瞩目。 Llama 3 70B 适合内容创作、对话式 AI、语言理解、研发和企业应用。该模型擅长文本摘要和准确性、文本分类和细微差别、情感分析和细微推理、语言建模、对话系统、代码生成和遵循指令。 （FM），以及通过安全性、隐私性和负责任的 AI 构建生成式人工智能应用程序所需的一系列广泛功能。 响应长度是生成文本的最大长度限制，超过这个长度的文本将被截断或停止生成。
47310编辑于 2024-05-11 - 来自专栏全栈程序员必看
unity3D场景_3D夜晚场景
在学习阿发你好的网课过程中，学习完Unity的2D课程后深有感触，决定将3D学习过程一步步记录下来，也方便日后查询。 创建3D项目 Step1：在UnityHub中新建3D项目 Step2：将页面调整为2×3布局（项目中通常使用2×3） 新建项目 选择 window -> layouts -> 2 by 3 选择 window->General->Console 调出控制台 认识3D场景 天空盒skybox：上有蓝天，下有深渊，在计算机图形学学习过程中就有所涉及。 场景中还有什么？ 方向标识：3D视图导航器Gizmos； 坐标网格Grid，标识y=0坐标平面（一般不作调整）； 摄像机与光源。 3D视图导航 1、移动视图：按Q选择手型工具或者直接使用鼠标中键 2、旋转视图：ALT+鼠标左键 鼠标右键，摇摆 3、缩放：滚轮 或 ALT+右键 建立方向感 由于Unity中没有规定方向，为方便建立方向感
73230编辑于 2022-09-22 - 来自专栏AI科技大本营的专栏
玩转3D全息图像！AI即刻生成
Sensorama Stimulator可使用图像、声音、香味和震动，让用户感受在纽约布鲁克林街道上骑着摩托车风驰电掣的场景。尽管这台机器大且笨重，但在当时非常超前。 计算机生成的全息(CGH)通过对衍射和干涉的数值模拟实现了高空间角度的3D投影。 长期以来，研究人员一直在研究制作全息图的技术，但是，现有的基于物理的方法无法生成具有按像素聚焦控制和精确遮挡的全息图。 研究人员利用计算机模拟光学设置生成全息图像，但是实现这一过程需要非常大的计算量。 因为三维场景中的每个点都有不同的深度，因此无法对所有这些点都应用相同的操作，极大地增加了计算复杂性。 首先，用于渲染RGB-D图像的3D场景具有很高的复杂度，并且在颜色，几何形状，阴影，纹理和遮挡方面存在很大的差异，以帮助CNN推广到计算机渲染和实际捕获的RGB-D测试中 输入，通过自定义随机场景生成器实现的 研究人员运用量身定制的随机场景生成器和OA-PBM技术创建的多分辨率、大规模全息图数据集将使各种与图像相关的常规应用技术转移到全息技术上，包括超分辨率，压缩，全息图的语义编辑和由中心引导的全息图渲染等。
1.8K20发布于 2021-03-25 - 来自专栏机器学习与生成对抗网络
场景文字生成遥遥领先！Ideogram这块暴打Midjourney+DALL·E 3
文生图也能做出「多模态」 而图片中的文字生成，一直以来是各大生图AI做不好的痛点。 如果要求图片中有某些确定的文字，需要在生成图片之后还要花费很多后期的加工。 而Ideogram对于生图文字的控制能力，不仅在对比数据上比DALL·E 3要好出不少。 实际生成的带有文字图片也是非常自然。 增强提示： 一个幽灵、万圣节灯笼和骷髅的恐怖万圣节场景。鬼魂穿着破旧的长袍，漂浮在南瓜之间，而南瓜灯则露出顽皮的笑容。背景中，一个戴着高帽的骷髅站在鬼屋附近。 场景的背景是一家灯光昏暗的复古餐厅，霓虹灯和格子桌布为餐厅增添了怀旧和奇特的氛围。 书房里的两个男人。左边的男子站着，身穿长外套和花纹衬衫，手持拐杖。他面容邋遢，留着胡子。 Test 3 ：想象力 这个测试考验的是AI的想象力，因为在没有任何细节的情况下，图片 AI 要决定加入什么元素以及如何让图片看起来超现实。 Midjourney确实更胜一筹。
42210编辑于 2024-03-07 - 来自专栏大数据，java，Python和前端
一键生成，效率革命：AI 神器 CodeBuddy IDE 实测与场景应用
CodeBuddy IDE 正是这样一款以 AI 为核心驱动力的新一代开发环境，它彻底颠覆了传统编码流程。本文将深入实测其核心功能，并展示它在真实业务场景中的强大落地能力。 以下是几个典型场景：场景 1：快速构建电商商品展示页 (前端焦点)痛点： 电商页面元素多（标题、图片、价格、SKU 选择、购物车按钮、详情描述、推荐列表），手动编写重复性高，设计微调频繁。 场景 3：编写日常自动化/数据处理脚本 (效率利器)痛点： 写脚本处理文件、爬取数据、操作 Excel/数据库等任务繁琐，需查大量文档。 即刻体验：访问 CodeBuddy 官网 下载 IDE 或体验在线版，开启你的 AI 辅助高效开发之旅！告别重复造轮子，让人工智能成为你编程的得力助手。 一句话总结： CodeBuddy 不是取代开发者，而是用 AI 消除编码中的“苦力活”，释放创造力，让开发者专注于真正创造价值的部分。效率即竞争力，CodeBuddy 助你赢在起跑线！
87331编辑于 2025-08-04 3个真实开发场景，读懂AI研发框架的核心价值
二、实战落地：三个真实场景，解锁AI研发框架核心能力纸上谈兵终觉浅，结合实际开发中的三个典型场景，和大家聊聊AI研发框架的具体使用方法和落地效果，这些场景都是我和团队实际遇到的，实操性拉满。 3. 开发过程中，需要切换CLI相关能力时，直接在框架终端调用各类集成能力，无需额外配置，比如借助自然语言转代码能力优化代码逻辑，通过代码补全能力生成接口文档，依托框架的集成能力实现无缝切换。 3. 3. 人工审查时，只需基于AI的初审报告做重点复核，无需再做基础的规范检查，跨团队审查时，通过框架生成的上下文摘要，能快速理解代码逻辑，大幅减少跨团队沟通成本，让人工审查成为框架审查体系的补充环节。 3.
19310编辑于 2026-03-14- 来自专栏云云众生s
生成式AI在IT运维中的三个应用场景
IT运维团队目前已在以下几个方面运用生成式AI来提升工作流程: 自动化状态更新、事故后调查分析，以及流程自动化。 译自 Three Use-Cases for Generative AI in ITOps，作者 Dormain Drewitz 是PagerDuty产品营销和开发者关系副总裁。 对于许多希望满足这些强烈需求的团队来说，生成式AI(GenAI)是一代人中最令人兴奋的技术。 通过收集日志、指标和即时消息，GenAI可以快速汇编进行事件审查所需的数据，然后生成关键部分，如主要发现、根本原因、改进领域和时间表。 3. 流程自动化 如今的IT团队被要求用相同或更少的资源做更多工作。这将需要团队为各种重复性工作创建大量新的自动化运行手册。
71610编辑于 2024-03-28 - 来自专栏ATYUN订阅号
亚马逊的AutoGluon只需3行代码即可生成AI模型
它需要特征工程，或者使用数据领域的知识来创建AI算法工作的特征，再加上大量的数据集预处理，以确保在训练过的模型中不会出现偏差。 AutoGluon可以通过在默认范围内自动调优已知给定任务，执行良好的选项，从而生成最少三行代码的模型。
74410发布于 2020-02-12 - 来自专栏机器之心
单张图像探索3D奇境：Wonderland让高质量3D场景生成更高效
第一作者为多伦多大学博士生梁汉文和Snap Inc.的曹军力，他们专注于视频生成以及3D/4D场景生成与重建的研究，致力于创造更加真实、高质量的3D和4D场景。 和 UCLA 的研究团队推出了全新的模型 ——Wonderland，它能够从单张图像生成高质量、广范围的 3D 场景，在单视图 3D 场景生成领域取得了突破性进展。 可以生成高质量的、广阔的 3D 场景： (以下展示均为从建立的3DGS Rendering出的结果) 基于单张图和多条相机轨迹，Wonderland 可以深度探索和生成高质量的、广阔的 3D 场景： 广覆盖场景生成能力：与过去的 3D 前向重建通常受限于小视角范围或者物体级别的重建不同，Wonderland 能够高效生成广范围的复杂场景。 其生成的 3D 场景不仅具备高度的几何一致性，还具有很强的泛化性，能处理 out-of-domain 的场景。
29100编辑于 2025-02-03 - 来自专栏内容管理系统
MassCMS with AI 功能场景探索
这种结合不仅打破了传统内容管理在效率、精准度和扩展性上的局限，更催生出一系列创新的功能场景，从内容的创作生成到审核分类，从搜索应用到网页管理，AI 的赋能让 MassCMS 在各个环节都展现出强大的潜力 AI内容创作与生成自动内容生成借助 AI 技术，MassCMS 在实现内容自动生成时，能紧密贴合 CMS 的内容管理调性以及企业数字资产的独特调性，生成符合企业个性的内容。 当需要生成内容时，AI 会调用该数据库，让生成的内容与企业风格保持一致。比如，对于一家以严谨、专业著称的金融企业，在生成市场分析报告时，AI 会采用精准的数据表述、专业的金融术语，行文风格沉稳、客观。 对于一篇文章，AI 分析文本主题、关键词，确定文章所属类别，如财经、娱乐、健康等，并添加相关标签，方便内容的检索和管理，提高内容管理效率。3. MassCMS 与 AI 的融合在内容创作、管理、推荐、搜索等多方面展现出巨大潜力，将为内容管理领域带来深刻变革，创造更多创新应用场景，提升用户体验和内容运营效率 。4.
25000编辑于 2025-07-21 - 来自专栏芯智讯
高盛：生成式AI将影响3亿人工作！
3月28日消息，随著基于生成式AI的智能聊天机器人 ChatGPT 的火爆，越来越多的企业开始借助生成式AI技术来提升办公效率。 据金融时报报导，投行高盛发布报告指出，生成式AI可能使发达经济体的3亿个工作机会受到影响。 然而，AI带来的自动化技术也可能严重破坏劳动力市场需求，可能影响近3亿个全职工作机会，从律师到行政人员都有可能“被AI取代”。报告也指出，欧美近三分之二的工作可能在某种程度上受到AI自动化的影响。 然而，另外约7%的人所从事的至少一半工作内容可被生成式AI取代的职业，这批人最可能面临“被AI取代”的困境。 ChatGPT开发商OpenAI先前也发表报告指出，美国80%劳工可运用生成式AI技术处理手上至少10%的工作。
32630编辑于 2023-04-11 AI生成隐藏3D图像的局限性分析
隐藏3D图像的AI生成实验你是否见过那些隐藏着3D图像的自体立体图？就像1990年代的Magic Eye图片，看似嘈杂的重复图案，直到你以特定方式调节视觉焦距才能看到立体效果。 技术实现机制剖析当要求"生成独角兽魔法眼3D立体图像"时，ChatGPT传递给DALL-E3（实际负责图像生成的模型）的描述极其详细：需要包含复杂图案和多样化色彩以确保3D效果突出背景应包含神秘元素以增强深度幻觉独角兽的角和鬃毛应在图案中清晰可辨但 在自主生成场景中，它本质上仍是文本生成器。这些被宣传为"全能AI"的模型，实际更像装满应用的手机：文本生成应用可在特定情况下启动图像生成应用，但它们并非真正意义上的统一程序。 自我验证能力的缺失即使在纯文本生成场景中（理论上可自我校验），ChatGPT仍然默认自己表现出色。 最后尝试让ChatGPT生成《小王子》风格的隐藏绵羊图像，结果基本失败。这再次证明了当前AI在多模态任务协同处理上的技术局限性。
26610编辑于 2025-09-07- 来自专栏新智元
【Science重磅】DeepMind生成查询网络GQN，无监督学习展现3D场景
我们最新发表在Science的论文提出了生成查询网络（GQN）：这个模型能从一个场景的少量2D照片中重新生成3D表示，并且能从新的摄像头视角将它渲染出来。 DeepMind的这套视觉系统，也即生成查询网络（GQN），使用从不同视角收集到的某个场景的图像，然后生成关于这个场景的抽象描述，通过一个无监督的表示学习过程，学习到了场景的本质。 这些视觉和认知任务对人类来说似乎毫不费力，但它们对我们的AI系统来说是一个重大挑战。今天，最先进的视觉识别系统都是用人类产生的带注释图像的大型数据集训练的。 表示网络将agent的观察结果作为输入，并生成一个描述基础场景的表示（向量）。然后，生成网络从先前未观察到的角度来预测（“想象”）场景。 四大重要特性：能够“想象出”没有观察过的场景 我们在模拟的3D世界的一系列程序生成环境中，对GQN进行了受控实验。
60310发布于 2018-06-22 - 来自专栏机器之心
3D AI生成出新玩法了：无需数小时，只要45秒，单张图片即可生成 3D模型
机器之心专栏 机器之心编辑部 45 秒单张图片变 3D，无需大量 3D 数据和逐物体优化。 3D AI 生成最近发展得如火如荼，不少最新工作都能够从一句话 / 一张图生成高质量的三维模型。 这种方式使得现有的 3D AI 生成方法都非常耗时，譬如 ProlificDreamer 的作者就曾在知乎上表示方法目前的主要局限之一便是生成时间太慢了！ 方法 由于 3D 数据的稀缺性，学术界最近的绝大多数 3D AI 生成工作都通过利用 2D 扩散生成模型来指导 3D 表示（如 NeRF）的优化，从而实现 3D 内容生成。 与现有 3D AI 生成方法的比较 研究者表示，得益于 “2D 多视角预测 + 3D 可泛化重建” 的技术路线，One-2-3-45 与现有的 3D AI 生成方法相比，除了推断时间显著降低外，还在输入的多样性 结语 One-2-3-45 提出了 “2D 多视角预测 + 3D 可泛化重建” 这样一项新颖的 3D AI 生成玩法，并在许多方面都展示出了其优越性。
4.2K30编辑于 2023-08-07
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号