Fysiverse-3D-Vision 技术报告：单图生成可执行 3D 世界，评论称名字太狂

teortaxesTex · x · 2026-10-29

Fysics AI 联合复旦、港中文、同济发布的 Fysiverse-3D-Vision 技术报告（arXiv:2609.25741）提出统一视觉-语言-几何框架，从单张图像生成可执行的 3D 场景。核心思路是把空间推理与几何重建解耦：在统一 Transformer 中融合文本监督、语义视觉线索与几何表示，用物体条件布局模块通过交叉注意力预测物体的平移、旋转和缩放，训练中渐进学习几何-语言对齐，并通过碰撞感知优化提升物理一致性。可扩展到部件级可交互场景重建（演示含高达模型拆解）。实验显示在几何一致性、布局估计、渲染质量上优于现有方法。转发者 teortaxesTex 调侃「Fysiverse」这名字或许野心过大。