软件项目失控时，修复或重建是个难题。修复适合小问题，重建适合技术过时或存在重大缺陷的情况。需评估成本、团队士气和用户体验等因素，以决定最佳方案。混合方法也可行，逐步重构关键系统。

Tavrn在三天内重建了1对1消息系统，解决了代码库丢失问题。新系统更快、更清晰，具备更好的消息渲染和输入指示功能。接下来将优化群聊和个人资料等核心功能，以提升用户体验。

本研究提出了Pixel3DMM，通过预测每个像素的几何信息，从单幅RGB图像重建3D人脸模型。实验结果显示，该方法在姿态和表情的几何准确性上提升超过15%。

本研究提出了一种新训练方法，通过分阶段训练解决扩散自编码器在图像重建中结构恢复与细节提升的平衡问题，实验结果表明该方法能够生成高质量图像。

上海人工智能实验室开源了生成式世界模型AETHER，该模型基于合成数据训练，具备3D空间决策与规划能力。它结合几何重建与生成建模，提升了动态环境中的智能决策能力，支持目标导向视觉规划、4D动态重建和动作条件视频预测，展现出强大的零样本泛化能力。

MTGS方法通过多轨迹数据融合，解决了传统仿真技术的视角局限和动态失真问题，能够精准重建驾驶场景，提升画面质量和几何精度，实现实时渲染，从而显著提高仿真效果。

该研究解决了现有4D重建方法在类别特定模型和慢优化方法上的局限性，提出了一种新颖的变换器基础的前馈解决方案LIM，通过因果一致性损失进行指导，实现了隐式3D表示的时间插值。研究表明，LIM能够以秒级速度生成高质量的插值帧，并为现有制作流程提供一致的uv纹理网格序列。

本研究提出了一种视频扩散模型，解决了3D重建与生成之间的条件缺口，提升了生成模型的训练效果，并验证了其在稀疏视图和遮挡输入下的视图合成有效性。

本研究针对单目图像中的双手重建存在的挑战，如复杂的手势和遮挡问题，提出了一种新颖的框架，集成了基础模型驱动的2D先验和基于扩散的交互优化，以提高重建的准确性和鲁棒性。通过引入融合对齐编码器和双手扩散模型，实验表明该方法在多个数据集上实现了最先进的性能，显著改善了对遮挡的处理和交互的可靠性。

本研究提出了Endo3DAC框架，针对内窥镜深度估计和三维场景重建中的自监督学习，填补了医疗领域基础模型适应策略的空白。通过冻结基础模型并训练新设计的GDV-LoRA，显著提升了深度和姿态估计的效果。