浙大团队提出了一种新方法——体素对齐的前馈3D高斯泼溅，解决了二维特征在三维空间对齐及高斯密度受限的问题，提升了多视角渲染的质量与效率。该方法通过将2D特征聚合到3D体素网格中，增强了几何一致性和跨视图稳定性，适用于机器人、自动驾驶及AR/VR等领域。

本研究提出了MetaSpatial，这是首个基于强化学习的框架，旨在提升视觉语言模型的三维空间推理能力，实现实时三维场景生成。通过多轮强化学习优化，MetaSpatial提高了布局的一致性和美观性，验证了其在元宇宙、AR/VR及游戏开发中的有效性。

该研究针对多模态大语言模型在复杂三维环境中的本地化和对象消歧义问题，提出了有效技术，提升了句子相似性评价和三维空间理解能力，对协作机器人系统的整合具有重要意义。

本文讲述了作者在装修房子时遇到的问题和经验，选择装修公司后遇到设计师变更和案例不符合预期等困难。作者提到了选择设计师和签订合同等装修注意事项，并总结了自己的平面图规划。此外，还提到了水电施工前需要确定的事项。

我们引入了一个新的基准TAPVid-3D，用于评估长距离三维点追踪任务。该基准包含4000多个真实世界视频，涵盖了不同的数据源、对象类型、运动模式和室内外环境。我们提出了一系列度量方法来衡量任务性能，并使用现有的追踪模型构建了竞争性基线。这个基准将帮助我们更好地理解从单眼视频中获取三维运动和表面变形的能力。

清华大学化工系与美国加州大学河滨分校合作研究了一种名为Uni-MOF的机器学习模型，用于预测纳米多孔材料的吸附性能。该模型通过预训练识别和恢复纳米多孔材料的三维结构，并考虑了操作条件。研究结果表明，Uni-MOF在预测气体吸附中表现出高精度，并具有广泛的应用潜力。

我们提出了一种轻量级的解决方案，用于从单个 RGB 图像估计室内灯光的空间一致性。我们引入了一个统一的、基于体素八叉树的光照估计框架，以生成 3D 空间一致的照明。此外，我们提出了一个可微的体素八叉树锥追踪渲染层，用于消除整个过程中的常规体积表示，并确保在不同频域之间保持特征。实验结果表明，与先前的方法相比，我们的方法在极小的成本下实现了高质量的一致估计。

通过使用一种名为 3DAxiesPrompts（3DAP）的新型视觉提示方法，我们解放了 GPT-4V 在执行 3D 空间任务方面的能力。我们的研究发现，尽管 GPT-4V 在通过现有的视觉提示技术识别 2D 实体的位置和相互关系方面表现出熟练度，但其在处理 3D 空间任务方面的能力尚待探索。我们的方法是创建一个适用于 3D 图像的 3D 坐标系统，并带有注释的比例信息。通过将注入了...