BriefGPT - AI 论文速递 ·

单视图弱监督单目 3D 检测

💡 原文中文，约200字，阅读约需1分钟。

📝

内容提要

本文提出了一种基于弱监督学习的单目3D物体检测方法，使用2D标签进行模型训练，并探索了投影、多视图和方向这三种一致性约束以及新的2D方向标记方法。实验证明，该方法在一些完全监督方法上具有可比性能，并且预训练时仅使用1/3的3D标签就能优于完全监督基线。

🏷️

一台 3D 打印机，为什么藏着 GPT-6 最大的野心？｜硬哲学
GPT-6 Astra宣传片展示了从画黄色圆圈到生成3D模型，最终通过拓竹P1S打印机变成实物的过程，体现AI从屏幕内容生成进入现实操作。文章认为GUI是...
Instagram的AI检测系统再次陷入混乱
Instagram的AI标签系统误将用户原创或轻微编辑的照片标记为“AI内容”，同时漏掉真正的AI生成图片。问题源于Meta对C2PA等元数据的检测不准确...
Kimi K3 模型结构（6）：输入端与零件，MoonViT-V2、MTP、Per-Head Muon
Kimi K3模型采用从零训练的MoonViT-V2视觉编码器，27层、patch14结构，支持高分辨率图像token化；MTP层预训练后微调为EAGLE...
EP224：MCP与RAG及AI代理的对比
An AI agent is kind of an AI system where the agent performs the task autonom...
Kimi K3 模型结构（5）：宽度维度，Stable LatentMoE
Kimi K3模型采用Stable LatentMoE作为FFN，基于NVIDIA LatentMoE改进，将输入压缩至半宽latent空间，增加RMSN...
Claude Fable 5.1 对比 Fable 5：在实际工作中，我无法区分它们。
Anthropic launched Claude Fable 5.1 this week, calling it “our most advanced ...