MIT 实验室厨房：GPT-6 Astra 把 20 秒手机视频变 3D 场景
TheMoonMidas · x · 2026-09-12
开发者 @frankzydou 构建了一条代理式流水线，把纯 RGB 视频转成 3D 资产：输入约 20 秒的手持手机拍摄厨房 walkthrough，无需深度传感器、CAD 或素材库，约一天完成（含人工参与）。
流程大致为：单目视频经 ViPE 得到相机位姿与深度的度量级扫描（作为测量基准），再由 GPT-6 列出并建模物体。最终建模 31 个物体（另有 6 个草稿），在线 demo 可对比重建结果与原始扫描。作者坦承仍有短板：薄壁和反光物体较弱，房间外壳还需再处理一轮。项目面向 MIT CSAIL 的机器人客厅场景。
「编程与Agent」频道最新
- 用 Claude 做出弓箭对战游戏，作者和朋友 1v1 还赢了 — invocation02 · 2026-09-12
- 「staff」本义是你的随从：AI 智能体也应忠于个人而非公司 — granawkins · 2026-09-12
- 从零手搓多语言 RAG 文档助手：FastAPI+FAISS+Ollama 全栈开源 — imABDRAOUF · 2026-09-12
- Teknium 谈 Agent 设计哲学:一个 Agent 只配一个技能做一件事 — Teknium · 2026-09-12
- 极简 agent harness Pi 走红：可自扩展、四模式，对比 OMP 引发热议 — HankYeomans · 2026-09-12
- Seroter 每日阅读 #865：安全评测榜、git 替代品与端侧省 10 亿 token — rseroter · 2026-09-12