Berkeley 等发布 VIGA：用 Blender 闭环推理把图片重建为可编辑 3D 场景
Michael_J_Black · x · 2026-09-12
UC Berkeley、CMU、Max Planck 等机构在 ECCV 展示 VIGA（Vision-as-Inverse-Graphics Agent），一个通过交替多模态推理把输入图像重建为可编辑场景程序的 agent。要点：
- 核心机制是 analysis-by-synthesis 闭环：生成器提出可执行的 Blender 修改代码，验证器观察更新后的场景再给反馈迭代，作者称为 "vibe code" 场景、物理与交互。
- 资产既可用基础几何体从零搭建，也可接入 Meshy、SAM-3D 等现成 3D 生成工具获得更高质量资产。
- 演示包括重建场景后扔球砸倒物体、砸碎镜子、模拟地震等物理交互。
- 配套论文、代码与 benchmark 已开源，作者 Michael Black（Max Planck）邀请 ECCV 与会者看 Poster #130。
「多模态」频道最新
- Reddit 用户实测称 MOSS 文生图已达当前 SOTA 水平 — Ciclosporin · 2026-10-31
- 图像理解模型 Jev 1.14 上线 Runware,输入每百万 token 仅 $0.042 — aziz4ai · 2026-10-31
- 开源 VFX 工具 Paint a plate:首帧涂抹,整段镜头自动跟随编辑 — xCaYuSx · 2026-10-31
- Google DeepMind 发布 Genie 4，主打实时世界模拟 — TheAIGRID · 2026-10-31
- 用 MiniMax H3 搭出整页漫画生成工作流，作者开源全部节点 — gatortux · 2026-10-31
- Runway Agent 升级：能开文件跑代码，从生成走向干活 — runwayml · 2026-10-31