ELSA3D 入选 NeurIPS：单一骨干网同时生成 3D 资产并做语言描述
CSProfKGD · x · 2026-10-15
新模型 ELSA3D 在单一骨干网络中统一完成 3D 资产生成与语言描述，由 Tianjiao Yu 主导，已被 NeurIPS 2026 接收。
- 架构亮点：不用把文本与 3D token 塞进一个扁平序列，而是用稀疏的 Anchor Tokens 把每个词路由到正确的几何尺度，并由弹性路由器（elastic router）把跨模态容量集中到语义—几何对齐最需要的地方。
- 成绩：在 image-to-3D、text-to-3D 与 3D captioning 三项任务上达到 SOTA，同时 FLOPs 和延迟约为对照方法的一半。
- 项目页面：见原帖链接。
「多模态」频道最新
- HeyGen Voice 登顶语音榜:在 ChatGPT 里把书变成 AI 有声书 — HeyGen · 2026-10-15
- FLUX 3 视频超分上线 Runware:可放大至 4K 并保留原声 — aziz4ai · 2026-10-15
- Reverie 推出 Intercut Clips,解决 AI 视频双人对话连续性难题 — lmoroney · 2026-10-15
- Midjourney 风格码产出闪粉质感宝可梦三御三家插画 — sergeantsref · 2026-10-15
- TRELLIS.2 图生 3D 完整 1536 分辨率跑进 16GB 显存 — over-yonder-tech · 2026-10-15
- OpenSpline 开源：5 行代码给语音 Agent 加实时说话头像 — Mikasa0xdev · 2026-10-15