苹果研究人员在CVPR 2025会议上展示了多项计算机视觉新研究，包括高效视觉语言模型FastVLM、全能三维摄影测量模型Matrix3D和多模态自回归预训练视觉编码器AIMv2。同时，苹果还支持ML社区中的弱势群体，参与相关活动。

Matrix3D是一种统一模型，能够同时进行姿态估计、深度预测和新视图合成。它通过多模态扩散变换器整合图像、相机参数和深度图，采用掩码学习策略进行大规模多模态训练，显著提升训练数据的可用性。Matrix3D在姿态估计和新视图合成方面表现优异，并通过多轮交互提供精细控制，是3D内容创作的创新工具。