作者:陈枝莲发布时间:2026-11-20 18:14:06 点击数:96871

今日官方发布行业新进展榴莲价格跌至“1字头” 很高兴为您解答这个问题,让我来帮您详细说明一下。品牌授权报修电话,快速上门服务

云南省玉溪市新平彝族傣族自治县甘肃省白银市景泰县四川省甘孜藏族自治州丹巴县内蒙古鄂尔多斯市康巴什区桥西区留营街道广东省珠海市斗门区上海市市辖区嘉定区山东省泰安市泰山区昌平区阳坊镇北辰区哈密市伊吾县四川省成都市新都区密云区河南寨镇广东省珠海市斗门区青海省玉树藏族自治州治多县黑龙江省绥化市明水县黑龙江省伊春市金林区四川省宜宾市翠屏区广东省云浮市新兴县江苏省徐州市焦作市沁阳市江西省景德镇市昌江区武清区上马台镇福建省福州市罗源县江西省吉安市吉安县江西省宜春市宜丰县山西省朔州市山阴县怀柔区雁栖地区焦作市中站区山东省淄博市临淄区密云区河南寨镇乌鲁木齐市沙依巴克区山西省晋中市太谷区海南省儋州市甘肃省定西市渭源县密云区古北口镇元氏县元氏县殷村镇江苏省徐州市陕西省汉中市西乡县湖北省恩施土家族苗族自治州恩施市江苏省连云港市赣榆区开封市通许县合肥市瑶海区顺义区空港街道喀什地区叶城县甘肃省陇南市武都区陕西省商洛市山阳县黑龙江省哈尔滨市巴彦县山西省朔州市山阴县蓟州区东二营镇湖北省襄阳市襄州区山西省忻州市定襄县山东省东营市垦利区博尔塔拉蒙古自治州温泉县合肥市瑶海区辽宁省铁岭市清河区顺义区空港街道山西省吕梁市岚县顺义区空港街道辽宁省朝阳市北票市江西省吉安市永新县广东省汕头市龙湖区山西省运城市夏县昌平区小汤山镇陕西省汉中市西乡县福建省福州市罗源县蓟州区东二营镇丰台区右安门街道河东区东新街道辽宁省铁岭市清河区河东区东新街道洛阳市汝阳县黑龙江省伊春市金林区河东区大直沽街道隆安县西藏拉萨市达孜区大兴区赵县沙河店镇巴音郭楞蒙古自治州和硕县密云区河南寨镇塔城地区和布克赛尔蒙古自治县山东省泰安市东平县塔城地区和布克赛尔蒙古自治县桥西区苑东街道昌平区小汤山镇辽宁省朝阳市北票市福建省福州市罗源县海南省海口市美兰区海淀区青龙桥街道山东省聊城市冠县合肥市庐阳区内蒙古锡林郭勒盟镶黄旗青海省海西蒙古族藏族自治州德令哈市江西省吉安市吉安县辽宁省辽阳市白塔区丰台区宛平城地区山西省朔州市山阴县甘肃省陇南市平山县小觉镇

本月行业报告披露新变化VAST+清华提出3D生成新范式,空间智能密度控制把算力花在刀刃上,很高兴为您解答这个问题,让我来帮您详细说明一下:官方服务专线,支持多品牌报修

四川省凉山彝族自治州甘洛县云南省玉溪市新平彝族傣族自治县怀柔区雁栖地区福建省福州市罗源县芜湖市南陵县湖北省宜昌市秭归县吉林省长春市双阳区元氏县苏村乡海南省海口市美兰区山西省长治市襄垣县贵州省黔南布依族苗族自治州惠水县陕西省商洛市山阳县山东省泰安市东平县密云区河南寨镇延庆区康庄镇山东省潍坊市青州市崇左市宁明县内蒙古锡林郭勒盟镶黄旗辽宁省铁岭市开原市江苏省镇江市句容市行唐县龙州镇湖北省孝感市汉川市海南省儋州市山西省阳泉市平定县福建省莆田市城厢区淮南市大通区青海省海南藏族自治州贵德县陕西省西安市未央区桥西区苑东街道重庆市市辖区北碚区昌平区回龙观街道元氏县朝阳区酒仙桥街道黑龙江省大兴安岭地区呼玛县赵县沙河店镇延庆区康庄镇青海省果洛藏族自治州赵县沙河店镇赞皇县院头镇吉林省四平市铁西区山西省晋中市太谷区黑龙江省哈尔滨市巴彦县丰台区和义街道广东省江门市武清区汊沽港镇桂林市兴安县江西省赣州市石城县崇左市贵州省铜仁市印江土家族苗族自治县内蒙古兴安盟乌兰浩特市四川省成都市新都区西藏山南市昌平区阳坊镇四川省凉山彝族自治州甘洛县山西省忻州市宁武县黑龙江省佳木斯市富锦市乌鲁木齐市沙依巴克区巴音郭楞蒙古自治州和硕县陕西省汉中市留坝县江西省景德镇市昌江区甘肃省陇南市武都区黑龙江省鸡西市鸡冠区四川省宜宾市翠屏区陕西省汉中市留坝县重庆市市辖区北碚区桥西区苑东街道云南省玉溪市新平彝族傣族自治县黑龙江省七台河市桃山区山东省淄博市临淄区南阳市内乡县开封市通许县甘肃省定西市渭源县辽宁省铁岭市开原市桥西区苑东街道赞皇县西龙门乡北辰区广源街道甘肃省陇南市武都区福建省南平市建瓯市甘肃省陇南市西城区月坛街道桥西区留营街道昌平区阳坊镇延庆区康庄镇密云区古北口镇湖北省宜昌市西陵区江苏省南京市浦口区海南省儋州市西藏阿里地区日土县崇左市延庆区沈家营镇朝阳区小关街道蓟州区东二营镇无极县大陈镇山东省聊城市冠县江西省吉安市永新县云南省怒江傈僳族自治州福贡县陕西省宝鸡市千阳县山东省潍坊市青州市山东省聊城市茌平区山东省泰安市东平县

全球服务区域:隆安县武清区上马台镇湖北省襄阳市襄州区广东省惠州市龙门县西乡塘区山西省长治市襄垣县广东省佛山市三水区广东省惠州市龙门县山西省晋中市灵石县四川省宜宾市翠屏区湖北省孝感市汉川市丰台区右安门街道鹿泉区白鹿泉乡蓟州区官庄镇西乡塘区平山县小觉镇辽宁省铁岭市开原市吉林省长春市双阳区四川省乐山市黑龙江省哈尔滨市巴彦县甘肃省陇南市武都区百色市田林县辽宁省沈阳市浑南区四川省广安市岳池县甘肃省甘南藏族自治州桂林市兴安县山东省青岛市城阳区百色市田林县昌平区小汤山镇黑龙江省哈尔滨市巴彦县四川省泸州市江阳区许昌市建安区无极县大陈镇大兴区桂林市秀峰区北辰区辽宁省锦州市义县辽宁省铁岭市开原市云南省西双版纳傣族自治州勐腊县黑龙江省大兴安岭地区呼玛县焦作市沁阳市云南省西双版纳傣族自治州勐腊县防城港市东兴市四川省甘孜藏族自治州泸定县崇左市内蒙古呼伦贝尔市阿荣旗云南省丽江市宁蒗彝族自治县贵州省六盘水市水城县甘肃省天水市秦州区百色市靖西市江苏省镇江市句容市西乡塘区山东省青岛市城阳区云南省红河哈尼族彝族自治州绿春县江苏省南京市浦口区蓟州区东施古镇甘肃省白银市景泰县云南省普洱市景东彝族自治县静海区西翟庄镇静海区大邱庄镇辽宁省沈阳市山西省晋中市太谷区福建省厦门市海沧区青海省果洛藏族自治州青秀区钦州市湖北省恩施土家族苗族自治州恩施市合肥市庐阳区湖北省恩施土家族苗族自治州恩施市福建省南平市桥西区留营街道长安区广安街道固原市西吉县贵州省铜仁市玉屏侗族自治县河东区大直沽街道江西省宜春市宜丰县江苏省苏州市相城区四川省广元市黑龙江省佳木斯市富锦市云南省文山壮族苗族自治州广南县海南省儋州市山东省淄博市临淄区山西省晋中市榆社县海南省三沙市西沙区陕西省商洛市山阳县福建省南平市赞皇县西龙门乡崇左市山西省长治市襄垣县海南省海口市美兰区重庆市市辖区北碚区北辰区云南省红河哈尼族彝族自治州绿春县云南省丽江市宁蒗彝族自治县云南省玉溪市新平彝族傣族自治县赞皇县西龙门乡广东省惠州市龙门县黑龙江省佳木斯市汤原县广东省汕头市南澳县山西省吕梁市中阳县

近日监管部门发布重要通报VAST+清华提出3D生成新范式,空间智能密度控制把算力花在刀刃上,很高兴为您解答这个问题,让我来帮您详细说明一下:售后服务维修中心电话,支持多渠道服务

全国服务区域:陕西省商洛市山阳县江西省吉安市永新县陕西省汉中市留坝县静海区西翟庄镇朝阳区双井街道大兴区蓟州区东赵各庄镇昌平区延寿镇四川省成都市金牛区井陉县测鱼镇密云区河南寨镇江苏省连云港市赣榆区江苏省徐州市赵县沙河店镇丰台区和义街道昌平区回龙观街道蓟州区东二营镇河东区大直沽街道云南省文山壮族苗族自治州广南县重庆市县巫山县平顶山市湛河区山东省泰安市泰山区静海区大邱庄镇广东省广州市越秀区平山县岗南镇行唐县龙州镇江苏省徐州市崇左市宁明县元氏县苏村乡崇左市许昌市建安区湖北省恩施土家族苗族自治州恩施市江西省吉安市吉安县西乡塘区崇左市宁明县陕西省商洛市山阳县山东省泰安市泰山区平山县上观音堂乡山西省阳泉市平定县贵州省黔南布依族苗族自治州惠水县阿克苏地区新和县山西省吕梁市中阳县山东省烟台市龙口市蚌埠市蚌山区黑龙江省七台河市桃山区蓟州区东二营镇甘肃省兰州市四川省甘孜藏族自治州九龙县西城区月坛街道赞皇县院头镇重庆市市辖区北碚区西藏拉萨市达孜区陕西省商洛市山阳县桥西区东华街道四川省宜宾市翠屏区广东省汕头市南澳县蓟州区东赵各庄镇吉林省白山市浑江区云南省西双版纳傣族自治州勐腊县辽宁省沈阳市沈河区山西省运城市夏县密云区河南寨镇顺义区空港街道山西省朔州市山阴县喀什地区叶城县博尔塔拉蒙古自治州温泉县山西省吕梁市岚县山西省忻州市定襄县江西省吉安市永新县四川省甘孜藏族自治州黑龙江省伊春市金林区井陉县测鱼镇黑龙江省哈尔滨市巴彦县山东省聊城市茌平区伊犁哈萨克自治州昭苏县山西省忻州市定襄县赞皇县院头镇贵州省铜仁市玉屏侗族自治县新乐市协神乡辽宁省大连市旅顺口区江苏省南京市浦口区江苏省徐州市福建省莆田市城厢区内蒙古锡林郭勒盟正镶白旗开封市通许县朝阳区管庄地区山西省晋中市太谷区山东省德州市齐河县昌平区小汤山镇四川省广元市西藏山南市贵州省铜仁市玉屏侗族自治县陕西省汉中市南郑区江苏省苏州市相城区山东省烟台市龙口市江西省九江市武宁县江西省宜春市奉新县山东省泰安市东平县四川省成都市新都区山西省晋中市榆社县

售后服务上门服务电话,智能分配单据:VAST+清华提出3D生成新范式,空间智能密度控制把算力花在刀刃上

如果把现在最热门的几条 3D 生成技术线放在一起看,你会发现它们正在遇到一个很像的问题。

做 3D AIGC 的人会发现,模型已经越来越会 “生成一个东西”,但生成结果的复杂度很固定,不够灵活;做图形学和渲染的人会更在意,3D 表示到底能不能把有限的计算预算用在最关键的地方;做游戏、XR 和交互内容的人则会继续追问,同一个 3D 资产能不能既有高质量版本,也有轻量版本,而不是每次都重新做一套。

这些问题背后,其实都指向同一个核心矛盾:

今天很多 3D 生成方法,虽然能生成 3D 结果,但还不够 “会分配资源”。

以 3D 高斯表示为例,哪里高斯球应该密一点,哪里可以稀疏一点;哪里值得放更多表示能力,哪里只需要一个粗略近似,很多方法其实并没有真正学会。现有方法更像是在用一种固定模板生成 3D,而不是根据物体本身的结构复杂度,自适应地决定 “该放多少高斯、放在哪里”。

SIGGRAPH 2026 论文《Generative 3D Gaussians with Learned Density Control》,想解决的正是这个问题。

论文:《Generative 3D Gaussians with Learned Density Control》论文链接:https://arxiv.org/abs/2605.16355

这篇工作来自 VAST 和清华大学,提出了一种新的 3D 表示方式Density-Sampled Gaussians(DeG)。它的目标不是简单生成固定数量的 3D 高斯球,而是让模型自己学会一种 “高斯球采样策略”: 在复杂区域多放高斯球,在简单区域少放高斯球,并且这种策略还能直接从渲染误差里学出来。

这件事听起来像是工程优化,但其实非常关键。因为它决定了 3D 生成结果最终是一个 “看起来还行但很笨重的静态输出”,还是一个真正可以按预算伸缩、按需求部署、按场景适配的 3D 表示。

过去一段时间,3D 高斯之所以火,一个很重要的原因是它在画质和效率之间找到了很好的平衡。它不用像传统网格那样依赖复杂拓扑,也能渲染出高质量结果。3D 高斯的优化过程有一个关键优点,也恰恰也是它最难被 Diffusion 等生成式模型继承的部分,就是空间密度控制 (density control)。

在 3D 高斯优化过程里,优化算法会不断做 密集化 (densification) 和 稀疏化 (pruning)。简单理解就是:

如果某个局部没拟合好,就往那里 “补” 更多高斯;如果某些高斯贡献不大,就把它们删掉。

这套机制很有效,因为现实里的 3D 物体本来就不是均匀复杂的。边缘、薄结构、纹理剧烈变化的区域,需要更多表示能力;而大块平整、变化不大的区域,其实没必要堆太多高斯球。

问题在于,这种 “补点和删点” 的流程本质上是离散的、启发式的、不可微分的。

这个过程对单个物体的拟合很有用,但不可为微分的特性对一个做前馈式生成、从图像直接预测 3D 高斯 的模型来说,就很难直接搬过来套用。于是很多现有方法退而求其次,选择固定结构:

有的方法把高斯绑在体素网格上 (GaussianCube);有的方法给每个 voxel 分配固定数量的高斯 (TRELLIS.1);有的方法给每个 2D 图像的像素预测固定数量的高斯 (LGM)。

这样做当然更容易训练,但代价也很明显:失去了 3D 高斯最珍贵的灵活性。

DeG 的核心思路,就是把 “高斯球中心在哪” 这件事,从一个固定回归问题,改写成一个从概率密度里采样的问题。

换句话说,模型不再死板地输出一组固定坐标,而是先学一个 3D 空间里的概率密度分布。这个分布可以理解为:

哪些位置更值得放高斯,哪些位置没那么重要,即实现了某种“空间智能密度控制”。

在推理时,模型从这个分布里直接采样出一批高斯球,组成最终的 3D 高斯资产。

这样一来,整个表示立刻获得了两个非常实用的能力。

第一个能力,是任意数量采样。

因为模型学到的是 “分布”,而不是 “固定长度输出”,所以在推理时可以按实际需求采样不同数量的高斯球。想做移动端、实时预览或者低成本传输,可以少采一些;想做高保真渲染、离线展示或者更复杂场景,可以多采一些。

也就是说,这不是 “每种分辨率都要重新训一个模型”,而是同一个模型、同一个表示,根据预算直接调采样数。

考虑到 3D 高斯的渲染成本并不低,灵活的高斯球数量对实际部署非常重要。因为很多应用要的不是绝对最强画质,而是 “在当前设备和当前时延预算下,拿到最合适的 3D 资产”。

第二个能力,是非均匀采样。

DeG 并不是在整个空间里平均撒点,而是会在模型训练时根据渲染重构损失,把更多采样预算放到真正复杂的区域。比如薄的结构、尖锐边缘、局部几何变化大、纹理更敏感的区域,都可以自然得到更高密度;而在平坦、规则、变化较小的区域,则可以少放一些高斯。

这意味着,模型开始真正具备一种“哪里重要就把容量放哪里”的能力。

而这,也是本文最有意思的算法问题所在:

这个空间上的智能密度控制策略,到底怎么学?

很多人第一次看到这里会觉得,既然最后有渲染损失,那就直接反向传播不就行了?

但真正的难点在于,高斯球的位置是采样出来的。采样本身不是一个普通的连续映射,因此渲染误差没法像常规神经网络那样,顺滑地一路反传回 “空间密度分布”。

也就是说,模型虽然知道渲染结果哪里错了,却不容易知道:

到底应该提高哪些区域被采样到的概率,又该降低哪些区域的概率。

这篇论文的关键突破,就是给这个问题构造了一个可训练的梯度信号。作者把它称为渲染损失贡献梯度 (render loss contribution gradient),本质上是一种强化学习策略,可以理解为一种面向高斯采样的policy gradient。

这个想法其实很直观。

假设当前我们从密度分布里采样出了一批高斯球。现在,如果把其中某一个高斯球去掉,重新看渲染损失会发生什么?

如果去掉它之后,渲染结果明显变差,说明这个高斯球很重要,它确实帮模型把这个区域表示好了。那么系统就应该提升类似位置今后被采样到的概率。

反过来,如果去掉它几乎没影响,甚至让结果更好,那说明这类位置的采样价值不高,概率就不该那么大。

换成更口语的话,这个梯度在回答的问题其实就是:

“这一个被采到的高斯球,到底值不值得被采到?”

这就是一种非常典型的策略学习视角。采样位置像是在 “做决策”,渲染误差则提供 “奖惩信号”。对降低误差有帮助的位置,就奖励;帮助不大的位置,就少奖励甚至惩罚。

从数学上看,这套思路和 policy gradient 是一致的。作者把它进一步写成了 difference reward 的形式,也就是比较 “有这个高斯球” 和 “没有这个高斯球” 时,渲染损失到底相差多少。这个差值,正好刻画了该高斯球的边际贡献。

更重要的是,这里不只是一个直觉上说得通的解释,而是有明确的正确性依据。论文直接从 “渲染损失期望值” 出发,计算了它对密度分布参数的梯度大小,最后得到的就是这里真正用来优化的梯度信号,也就是渲染损失贡献梯度。换句话说,作者并不是凭经验设计了一个看起来合理的训练技巧,而是在用梯度下降的方式,直接优化高斯该如何分布、如何采样;这和传统高斯里基于人工规则的剪枝、密化,是结果类似、但思路完全不同的一条路。

如果严格去算每个高斯球的 leave-one-out 贡献,代价会非常高,因为看起来像是要把每个高斯都单独删掉,再重新渲染一遍。

接下来的问题就变成了:这个目标虽然定义得很清楚,但怎样才能把它高效算出来?作者针对 L1 渲染损失给出了一种相当精确、同时又很高效的计算办法。

简单来说,对于 L1 渲染项,渲染器在正常渲染过程中其实已经拿到了几个关键数值,只需要做一点额外计算,就能得到我们需要的贡献值,而不必反复删掉高斯再重渲染。具体计算过程可以直接阅读论文中的伪代码。

这样一来,原本依赖规则的密集化 / 稀疏化过程,就被改写成了一个可微、可学习、可批量训练的空间密度优化过程。这篇工作第一次把 3D 高斯的密度控制,真正实现成了一个端到端优化的问题。

在以往的高斯方法里,密度控制更多是靠人工规则驱动的,比如什么时候分裂、什么时候删点、阈值怎么设、什么区域算 “该加密” 或 “该剪枝”,本质上都还是启发式设计。DeG 的不同之处在于,它不再依赖这些手工定义的规则去调度高斯数量,而是让 “哪里该多采、哪里该少采” 直接由渲染误差反向决定。

如果从应用视角看,这套方法的价值更能直观体现。

首先,它让 3D 资产真正具备了按预算伸缩的能力。

以前很多方法一旦生成完成,输出规模基本就固定了。你想要更轻量,往往只能后处理压缩;你想要更高质量,也常常意味着重新训练、重新拟合,或者一开始就背上很重的表示成本。

而在 DeG 里,模型输出的是一个 “可采样的密度”。这意味着同一个对象,可以自然得到不同规模的高斯版本。对移动端、实时交互、在线预览来说,可以采样更少、更轻的版本;对影视级展示、数字藏品、离线精修等任务,则可以直接提高采样预算,得到更密、更细致的版本。

其次,它让 3D 表示真正开始理解局部复杂度。

很多固定结构方法的问题不在于它们不能生成高斯,而在于它们不知道哪些地方更值得花预算。结果往往是简单地方堆得太多,复杂地方反而不够。DeG 的非均匀采样恰好反过来,把容量更集中地放在细节、边界、薄结构和高误差区域上。这件事在低预算场景里尤其重要。因为当总高斯数量有限时,“怎么分配” 比 “总量多少” 更关键。论文实验里也显示,这种空间智能密度控制带来的收益,在少数量高斯的区间尤其明显。换句话说,预算越紧,这种方法越体现价值。

再进一步看,这种能力对于很多场景都很关键:

对游戏和 XR 来说,它意味着同一个生成模型更容易适配不同设备等级和实时性能约束。对 3D 内容平台来说,它意味着资产可以更自然地提供多种质量档位,而不是为每个档位单独制作,实现类似 LoD 的效果。对 AIGC 工作流来说,它意味着生成系统不只是 “给一个结果”,而是给出一个更可调、更可部署的表示。对机器人仿真、数字孪生和交互式 AI 环境来说,它则意味着有限资源可以优先用在真正影响几何感知和渲染质量的部分。

论文里也给出了很有代表性的结果。作为一种单图到 3D 的生成框架,DeG 在重建和生成上都取得了很强的表现。在接近的高斯预算下,它相比 TRELLIS、UniLat3D 等代表性方法取得了更好的视觉质量;而如果只看 “达到相近视觉质量要用多少高斯”,DeG 能显著减少所需高斯数量。论文中还提到,在某些场景下,它达到与 TRELLIS 相当的视觉质量时,所需高斯数量不到后者的一半。

从更长的技术脉络看,这篇工作提示了一个很重要的方向:

3D 生成模型能不能不只负责 “生成出来”,还负责决定 “资源该怎么分配”?

这看上去像一个底层问题,但它直接决定了 3D AIGC 能不能从 “实验室效果” 走向 “实际可用”。真实世界的部署从来不是无限预算的,真正有价值的模型,不只是会生成,还要知道在预算有限的情况下,什么最值得被保留。

DeG 的意义,就在于把这种 “保留什么、强调什么、稀疏什么” 的能力,第一次以可学习、可优化的方式交给模型自己去决定。它让 3D 表示不再是固定长度、固定密度的静态输出,而变成一种能按需要调密度、调成本、调质量的表达。

如果再往前想一步,这篇工作还会逼着我们重新思考一个很基础的问题:一个物体的高模和低模,到底应该被看成两个不同的东西,还是同一个物体在不同资源约束下的两种状态?

在传统流程里,我们通常把它们当成两份不同资产,所以建模、简化、LOD 制作和部署被拆成了几条链路。但 DeG 提示了一种更自然的理解:物体本身没有变,变化的只是我们愿意为它分配多少表示能力和渲染预算。

如果这个视角成立,那么未来的 3D 生成模型学到的就不只是 “长什么样”,还包括 “在什么条件下,该以什么密度、什么成本被呈现出来”。那时,高模、低模、移动端版本,也许都不再是彼此割裂的几份资产,而会变成同一个对象在不同场景下的连续状态。

从这个意义上说,DeG 虽然做的是 3D 高斯,但它真正有意思的地方,也许在于它提醒我们:未来的 3D 内容不一定是一份静态答案,而更可能是一种会随着设备、任务和预算不断调整的“活表示”。

本周监管部门更新行业通报VAST+清华提出3D生成新范式,空间智能密度控制把算力花在刀刃上

如果把现在最热门的几条 3D 生成技术线放在一起看,你会发现它们正在遇到一个很像的问题。

做 3D AIGC 的人会发现,模型已经越来越会 “生成一个东西”,但生成结果的复杂度很固定,不够灵活;做图形学和渲染的人会更在意,3D 表示到底能不能把有限的计算预算用在最关键的地方;做游戏、XR 和交互内容的人则会继续追问,同一个 3D 资产能不能既有高质量版本,也有轻量版本,而不是每次都重新做一套。

这些问题背后,其实都指向同一个核心矛盾:

今天很多 3D 生成方法,虽然能生成 3D 结果,但还不够 “会分配资源”。

以 3D 高斯表示为例,哪里高斯球应该密一点,哪里可以稀疏一点;哪里值得放更多表示能力,哪里只需要一个粗略近似,很多方法其实并没有真正学会。现有方法更像是在用一种固定模板生成 3D,而不是根据物体本身的结构复杂度,自适应地决定 “该放多少高斯、放在哪里”。

SIGGRAPH 2026 论文《Generative 3D Gaussians with Learned Density Control》,想解决的正是这个问题。

论文:《Generative 3D Gaussians with Learned Density Control》论文链接:https://arxiv.org/abs/2605.16355

这篇工作来自 VAST 和清华大学,提出了一种新的 3D 表示方式Density-Sampled Gaussians(DeG)。它的目标不是简单生成固定数量的 3D 高斯球,而是让模型自己学会一种 “高斯球采样策略”: 在复杂区域多放高斯球,在简单区域少放高斯球,并且这种策略还能直接从渲染误差里学出来。

这件事听起来像是工程优化,但其实非常关键。因为它决定了 3D 生成结果最终是一个 “看起来还行但很笨重的静态输出”,还是一个真正可以按预算伸缩、按需求部署、按场景适配的 3D 表示。

过去一段时间,3D 高斯之所以火,一个很重要的原因是它在画质和效率之间找到了很好的平衡。它不用像传统网格那样依赖复杂拓扑,也能渲染出高质量结果。3D 高斯的优化过程有一个关键优点,也恰恰也是它最难被 Diffusion 等生成式模型继承的部分,就是空间密度控制 (density control)。

在 3D 高斯优化过程里,优化算法会不断做 密集化 (densification) 和 稀疏化 (pruning)。简单理解就是:

如果某个局部没拟合好,就往那里 “补” 更多高斯;如果某些高斯贡献不大,就把它们删掉。

这套机制很有效,因为现实里的 3D 物体本来就不是均匀复杂的。边缘、薄结构、纹理剧烈变化的区域,需要更多表示能力;而大块平整、变化不大的区域,其实没必要堆太多高斯球。

问题在于,这种 “补点和删点” 的流程本质上是离散的、启发式的、不可微分的。

这个过程对单个物体的拟合很有用,但不可为微分的特性对一个做前馈式生成、从图像直接预测 3D 高斯 的模型来说,就很难直接搬过来套用。于是很多现有方法退而求其次,选择固定结构:

有的方法把高斯绑在体素网格上 (GaussianCube);有的方法给每个 voxel 分配固定数量的高斯 (TRELLIS.1);有的方法给每个 2D 图像的像素预测固定数量的高斯 (LGM)。

这样做当然更容易训练,但代价也很明显:失去了 3D 高斯最珍贵的灵活性。

DeG 的核心思路,就是把 “高斯球中心在哪” 这件事,从一个固定回归问题,改写成一个从概率密度里采样的问题。

换句话说,模型不再死板地输出一组固定坐标,而是先学一个 3D 空间里的概率密度分布。这个分布可以理解为:

哪些位置更值得放高斯,哪些位置没那么重要,即实现了某种“空间智能密度控制”。

在推理时,模型从这个分布里直接采样出一批高斯球,组成最终的 3D 高斯资产。

这样一来,整个表示立刻获得了两个非常实用的能力。

第一个能力,是任意数量采样。

因为模型学到的是 “分布”,而不是 “固定长度输出”,所以在推理时可以按实际需求采样不同数量的高斯球。想做移动端、实时预览或者低成本传输,可以少采一些;想做高保真渲染、离线展示或者更复杂场景,可以多采一些。

也就是说,这不是 “每种分辨率都要重新训一个模型”,而是同一个模型、同一个表示,根据预算直接调采样数。

考虑到 3D 高斯的渲染成本并不低,灵活的高斯球数量对实际部署非常重要。因为很多应用要的不是绝对最强画质,而是 “在当前设备和当前时延预算下,拿到最合适的 3D 资产”。

第二个能力,是非均匀采样。

DeG 并不是在整个空间里平均撒点,而是会在模型训练时根据渲染重构损失,把更多采样预算放到真正复杂的区域。比如薄的结构、尖锐边缘、局部几何变化大、纹理更敏感的区域,都可以自然得到更高密度;而在平坦、规则、变化较小的区域,则可以少放一些高斯。

这意味着,模型开始真正具备一种“哪里重要就把容量放哪里”的能力。

而这,也是本文最有意思的算法问题所在:

这个空间上的智能密度控制策略,到底怎么学?

很多人第一次看到这里会觉得,既然最后有渲染损失,那就直接反向传播不就行了?

但真正的难点在于,高斯球的位置是采样出来的。采样本身不是一个普通的连续映射,因此渲染误差没法像常规神经网络那样,顺滑地一路反传回 “空间密度分布”。

也就是说,模型虽然知道渲染结果哪里错了,却不容易知道:

到底应该提高哪些区域被采样到的概率,又该降低哪些区域的概率。

这篇论文的关键突破,就是给这个问题构造了一个可训练的梯度信号。作者把它称为渲染损失贡献梯度 (render loss contribution gradient),本质上是一种强化学习策略,可以理解为一种面向高斯采样的policy gradient。

这个想法其实很直观。

假设当前我们从密度分布里采样出了一批高斯球。现在,如果把其中某一个高斯球去掉,重新看渲染损失会发生什么?

如果去掉它之后,渲染结果明显变差,说明这个高斯球很重要,它确实帮模型把这个区域表示好了。那么系统就应该提升类似位置今后被采样到的概率。

反过来,如果去掉它几乎没影响,甚至让结果更好,那说明这类位置的采样价值不高,概率就不该那么大。

换成更口语的话,这个梯度在回答的问题其实就是:

“这一个被采到的高斯球,到底值不值得被采到?”

这就是一种非常典型的策略学习视角。采样位置像是在 “做决策”,渲染误差则提供 “奖惩信号”。对降低误差有帮助的位置,就奖励;帮助不大的位置,就少奖励甚至惩罚。

从数学上看,这套思路和 policy gradient 是一致的。作者把它进一步写成了 difference reward 的形式,也就是比较 “有这个高斯球” 和 “没有这个高斯球” 时,渲染损失到底相差多少。这个差值,正好刻画了该高斯球的边际贡献。

更重要的是,这里不只是一个直觉上说得通的解释,而是有明确的正确性依据。论文直接从 “渲染损失期望值” 出发,计算了它对密度分布参数的梯度大小,最后得到的就是这里真正用来优化的梯度信号,也就是渲染损失贡献梯度。换句话说,作者并不是凭经验设计了一个看起来合理的训练技巧,而是在用梯度下降的方式,直接优化高斯该如何分布、如何采样;这和传统高斯里基于人工规则的剪枝、密化,是结果类似、但思路完全不同的一条路。

如果严格去算每个高斯球的 leave-one-out 贡献,代价会非常高,因为看起来像是要把每个高斯都单独删掉,再重新渲染一遍。

接下来的问题就变成了:这个目标虽然定义得很清楚,但怎样才能把它高效算出来?作者针对 L1 渲染损失给出了一种相当精确、同时又很高效的计算办法。

简单来说,对于 L1 渲染项,渲染器在正常渲染过程中其实已经拿到了几个关键数值,只需要做一点额外计算,就能得到我们需要的贡献值,而不必反复删掉高斯再重渲染。具体计算过程可以直接阅读论文中的伪代码。

这样一来,原本依赖规则的密集化 / 稀疏化过程,就被改写成了一个可微、可学习、可批量训练的空间密度优化过程。这篇工作第一次把 3D 高斯的密度控制,真正实现成了一个端到端优化的问题。

在以往的高斯方法里,密度控制更多是靠人工规则驱动的,比如什么时候分裂、什么时候删点、阈值怎么设、什么区域算 “该加密” 或 “该剪枝”,本质上都还是启发式设计。DeG 的不同之处在于,它不再依赖这些手工定义的规则去调度高斯数量,而是让 “哪里该多采、哪里该少采” 直接由渲染误差反向决定。

如果从应用视角看,这套方法的价值更能直观体现。

首先,它让 3D 资产真正具备了按预算伸缩的能力。

以前很多方法一旦生成完成,输出规模基本就固定了。你想要更轻量,往往只能后处理压缩;你想要更高质量,也常常意味着重新训练、重新拟合,或者一开始就背上很重的表示成本。

而在 DeG 里,模型输出的是一个 “可采样的密度”。这意味着同一个对象,可以自然得到不同规模的高斯版本。对移动端、实时交互、在线预览来说,可以采样更少、更轻的版本;对影视级展示、数字藏品、离线精修等任务,则可以直接提高采样预算,得到更密、更细致的版本。

其次,它让 3D 表示真正开始理解局部复杂度。

很多固定结构方法的问题不在于它们不能生成高斯,而在于它们不知道哪些地方更值得花预算。结果往往是简单地方堆得太多,复杂地方反而不够。DeG 的非均匀采样恰好反过来,把容量更集中地放在细节、边界、薄结构和高误差区域上。这件事在低预算场景里尤其重要。因为当总高斯数量有限时,“怎么分配” 比 “总量多少” 更关键。论文实验里也显示,这种空间智能密度控制带来的收益,在少数量高斯的区间尤其明显。换句话说,预算越紧,这种方法越体现价值。

再进一步看,这种能力对于很多场景都很关键:

对游戏和 XR 来说,它意味着同一个生成模型更容易适配不同设备等级和实时性能约束。对 3D 内容平台来说,它意味着资产可以更自然地提供多种质量档位,而不是为每个档位单独制作,实现类似 LoD 的效果。对 AIGC 工作流来说,它意味着生成系统不只是 “给一个结果”,而是给出一个更可调、更可部署的表示。对机器人仿真、数字孪生和交互式 AI 环境来说,它则意味着有限资源可以优先用在真正影响几何感知和渲染质量的部分。

论文里也给出了很有代表性的结果。作为一种单图到 3D 的生成框架,DeG 在重建和生成上都取得了很强的表现。在接近的高斯预算下,它相比 TRELLIS、UniLat3D 等代表性方法取得了更好的视觉质量;而如果只看 “达到相近视觉质量要用多少高斯”,DeG 能显著减少所需高斯数量。论文中还提到,在某些场景下,它达到与 TRELLIS 相当的视觉质量时,所需高斯数量不到后者的一半。

从更长的技术脉络看,这篇工作提示了一个很重要的方向:

3D 生成模型能不能不只负责 “生成出来”,还负责决定 “资源该怎么分配”?

这看上去像一个底层问题,但它直接决定了 3D AIGC 能不能从 “实验室效果” 走向 “实际可用”。真实世界的部署从来不是无限预算的,真正有价值的模型,不只是会生成,还要知道在预算有限的情况下,什么最值得被保留。

DeG 的意义,就在于把这种 “保留什么、强调什么、稀疏什么” 的能力,第一次以可学习、可优化的方式交给模型自己去决定。它让 3D 表示不再是固定长度、固定密度的静态输出,而变成一种能按需要调密度、调成本、调质量的表达。

如果再往前想一步,这篇工作还会逼着我们重新思考一个很基础的问题:一个物体的高模和低模,到底应该被看成两个不同的东西,还是同一个物体在不同资源约束下的两种状态?

在传统流程里,我们通常把它们当成两份不同资产,所以建模、简化、LOD 制作和部署被拆成了几条链路。但 DeG 提示了一种更自然的理解:物体本身没有变,变化的只是我们愿意为它分配多少表示能力和渲染预算。

如果这个视角成立,那么未来的 3D 生成模型学到的就不只是 “长什么样”,还包括 “在什么条件下,该以什么密度、什么成本被呈现出来”。那时,高模、低模、移动端版本,也许都不再是彼此割裂的几份资产,而会变成同一个对象在不同场景下的连续状态。

从这个意义上说,DeG 虽然做的是 3D 高斯,但它真正有意思的地方,也许在于它提醒我们:未来的 3D 内容不一定是一份静态答案,而更可能是一种会随着设备、任务和预算不断调整的“活表示”。


硝烟四起!直击武警“枪王”挑战赛现场 精工厂官方版-精工厂最新版N.51.17.87-2265安卓网 榴莲价格跌至“1字头”
榴莲价格跌至“1字头”

榴莲价格跌至“1字头”

百万最新免费软件游戏

下载

榴莲价格跌至“1字头”
首页>>慢品时光探访无锡长安 在古韵新意中“读城”
榴莲价格跌至“1字头”

榴莲价格跌至“1字头”

「活动」首次登录送19元红包

25.28MB
版本{版本}
下载APK高速下载
下载再VAST+清华提出3D生成新范式,空间智能密度控制把算力花在刀刃上安装你想要的应用 更方便 更快捷 发现更多
喜欢92%好评(82人)
评论64
VAST+清华提出3D生成新范式,空间智能密度控制把算力花在刀刃上截图0VAST+清华提出3D生成新范式,空间智能密度控制把算力花在刀刃上截图1VAST+清华提出3D生成新范式,空间智能密度控制把算力花在刀刃上截图2VAST+清华提出3D生成新范式,空间智能密度控制把算力花在刀刃上截图3VAST+清华提出3D生成新范式,空间智能密度控制把算力花在刀刃上截图4
详细信息
  • 软件大小:36.99MB
  • 最后更新:2026-11-20 18:14:06
  • 最新版本:{版本}
  • 文件格式:apk
  • 应用分类:ios-AndroidVAST+清华提出3D生成新范式,空间智能密度控制把算力花在刀刃上
  • 使用语言:中文
  • :需要联网
  • 系统要求:6.85以上
应用介绍
🚫第一步:访问《VAST+清华提出3D生成新范式,空间智能密度控制把算力花在刀刃上》官网👉首先,打开您的浏览器,输入《VAST+清华提出3D生成新范式,空间智能密度控制把算力花在刀刃上》。您可以通过搜索引擎搜索或直接输入网址来访问.🈯️
🚫第二步:点击注册按钮👉一旦进入《VAST+清华提出3D生成新范式,空间智能密度控制把算力花在刀刃上》网站官网,您会在页面上找到一个醒目的注册按钮。点击该按钮,您将被引导至注册页面。🌶️
🚫第三步:填写注册信息 👉在注册页面上,您需要填写一些必要的个人信息来创建《VAST+清华提出3D生成新范式,空间智能密度控制把算力花在刀刃上》网站账户。通常包括用户名、密码、电子邮件地址、手机号码等。请务必提供准确完整的信息,以确保顺利完成注册。❌
🚫第四步:验证账户👉填写完个人信息后,您可能需要进行账户验证。《VAST+清华提出3D生成新范式,空间智能密度控制把算力花在刀刃上》网站会向您提供的电子邮件地址或手机号码发送一条验证信息,您需要按照提示进行验证操作。这有助于确保账户的安全性,并防止不法分子滥用您的个人信息。🐸
🚫第五步:设置安全选项👉《VAST+清华提出3D生成新范式,空间智能密度控制把算力花在刀刃上》网站通常要求您设置一些安全选项,以增强账户的安全性。例如,可以设置安全问题和答案,启用两步验证等功能。请根据系统的提示设置相关选项,并妥善保管相关信息,确保您的账户安全。🖐
🚫第六步:阅读并同意条款👉在注册过程中,《VAST+清华提出3D生成新范式,空间智能密度控制把算力花在刀刃上》网站会提供使用条款和规定供您阅读。这些条款包括平台的使用规范、隐私政策等内容。在注册之前,请仔细阅读并理解这些条款,并确保您同意并愿意遵守。💚️
🚫第七步:完成注册👉一旦您完成了所有必要的步骤,并同意了《VAST+清华提出3D生成新范式,空间智能密度控制把算力花在刀刃上》网站的条款,恭喜您!您已经成功注册了《VAST+清华提出3D生成新范式,空间智能密度控制把算力花在刀刃上》网站账户。现在,您可以畅享《VAST+清华提出3D生成新范式,空间智能密度控制把算力花在刀刃上》网站提供的丰富体育赛事、刺激的游戏体验以及其他令人兴奋!👿
【联系我们】
客服热线
加载更多
版本更新
{版本}
VAST+清华提出3D生成新范式,空间智能密度控制把算力花在刀刃上
  • 5月22日央行开展1530亿元7天期逆回购操作
  • 造假摆拍,无底线博流量!北京警方通报3起典型案例
  • 中美成功联合侦破一起跨国犯罪案件
  • 美共和党众议员再次对防长赫格塞思发起弹劾
  • 女子被男友用19根假金条换走170万
  • 突发:伊朗南部城市阿巴斯港以东传出爆炸声
  • 香港旅游“行山”成热点 “五一”假期游客挤爆郊野景区
  • 浙江杭州:年轻人奔赴“飞驰人生” 解锁别样休闲玩法
  • 山西留神峪煤矿瓦斯爆炸事故发布会:涉事煤矿企业有重大违法行为
  • 七台演唱会周六晚同开 群星“打擂”广州“开麦”
  • 中央气象台:云南广西福建等地有较强降雨 西北地区有沙尘天气
  • 伊拉克首都巴格达传出爆炸声
  • 泰国强力整顿各地旅游市场
  • 第八届互联网辟谣优秀作品名单揭晓

    美国枪击事件受害者家属起诉ChatGPT 称其是“帮凶”

    女子住酒店发现被子上有干结粪便

    详情
查看更多
加载中加载中,请稍等...

VAST+清华提出3D生成新范式,空间智能密度控制把算力花在刀刃上类似软件

  • 湖南一商铺发生火灾 造成5死1伤重庆永川突降暴雨 导致山洪爆发 部分村民家被淹

    云计算竞赛通用标准在天津启动制定 赋能京津冀人才培育

  • 安徽东至:皖南山谷里的水墨秘境赵乐际会见哥伦比亚多党干部考察团

    一名驻日美军士兵涉嫌盗窃被警方逮捕

  • 39岁上海科技大学教授王晨辉因营救至亲溺水遇险,不幸去世拉萨市新增成立一家社会工作服务中心

    香港百年茶楼告别中环旧铺 “一盅两件”上环续杯

  • 中国生态环境部:将为全球气候治理注入更多确定性国际锐评丨中美元首会晤为何值得世界期待

    广西柳州市柳南区再次发生5.2级地震

  • 借鉴“义乌发展经验” 推进“万企兴万村”提质增效王毅会见巴林外交大臣扎耶尼

    通胀重燃+印度关税“双杀”,国际金银再度震荡

  • 同样米粉“本地人7元游客13元”32支顶尖高校机甲战队长沙同台竞技

    山东日照:小学生周末航天科技馆内研学

  • 广州南站“全能机动”:流动的身影,不变的守护今起三天北京以晴到多云为主气温节节攀升 后天最高气温或达32℃

    联讯仪器成A股“新股王”

  • 学习《民族团结进步促进法》|稚嫩童声里的“民族团结”好评中国|办好一场赛,激活座座城

    乌鲁木齐:大熊猫户外活动吸引民众观赏

  • 国际青年足球锦标赛中国队1比0胜乌兹别克斯坦队光大期货:有色金属类日报5.28

    伊拉克首都巴格达传出爆炸声

  • 湖南岳阳发生交通事故致2死2伤 肇事司机被刑拘“五一”假期铁路运输收官 国铁南宁局累计发送旅客339.1万人次

    曝蒋圣龙因内脏问题可能选择退役

  • 公募基金规模逼近40万亿元佳讯飞鸿为神23提供通信保障

    民代:拒“九二共识”台湾只能变菜单

  • 激活海派文脉新活力 沪上文博探索“青年双向共生”河南发生车辆追尾事故致13死3伤 车主已被公安机关控制

    2026连云港铁人三项亚洲杯赛暨国际铁人三项赛收官

  • 探访全球首座储能电池大美边疆看我家丨云南威信:红色扎西 赤水明珠

    第二十三届中国国际运输与物流博览会在河南郑州开幕

  • 乡野藏趣 浙江青年农创客在乡村“种”下无限可能(机遇香港)世界品牌日落户 香港全力建设“世界品牌之都”

    一张打印照片秒开智能门锁

  • 50万买宝马还是买蔚来云南元江侨乡国际志愿服务队开展50余项便民服务

    各位驾驶员注意!驾驶新规,6月1日起执行

  • 闽超赛场球迷深情坚守全球首例重引入雪豹繁殖出 “豹二代”

    吴柳芳为家乡柳州捐款2万

  • 福建武夷山迎来制茶繁忙季公安部:2025年以来破获各类经济犯罪案件12.8万起

    5月18日人民币对美元中间价报6.8435元 下调20个基点

  • 特朗普从中国返美途中发帖2026年全国桥牌团体赛在山东青岛开赛

    《给阿嬷的情书》在港未映先热 专家吁讲好香港侨批枢纽故事

  • 顺丰据悉拟在香港开设黄金保管库心相近|共同铸牢中塞“铁杆友谊”

    中央军委印发《关于加强军队高级干部教育管理监督的若干措施》

  • 广州民族宗教界聚力共建绿美广州黄仁勋:铜线已无法满足需求

    买口罩、戴口罩,绝大多数人都忽略了这个细节!

  • 甘肃残障人士九年暖心接力自助互助从老街烟火到海昏汉韵 新阶层人士解锁南昌“魅力密码”

    “恐发生人际传播”!大西洋涉疫游轮最新情况

  • 国台办:欢迎台湾演艺人员来大陆举办演唱会沈飞“90后”钳工华成祥:0.005毫米精度打磨国产大飞机“关节”

    世卫组织:“洪迪厄斯”号邮轮疫情病毒种类为安第斯病毒

  • 美伊继续强硬对峙,霍尔木兹风险外溢全球粮食与能源市场中原农谷国际引种中心在河南新乡揭牌

    贵州贵阳:“山中的盛宴”吸引游客打卡

  • 6旬香港男子涉嫌强奸女性友人被拘张雪得知夺冠后瞬间弹起握拳嘶吼

    首届河南省无人机足球联赛开赛 526名青少年角逐“低空”赛场

  • 第二十一届台湾人才厦门对接会开幕第十届中俄夏季青少年运动会开幕

    国家统计局:4月份规上工业原煤生产保持较高水平

  • “拉索”在银河系捕捉到新的超级粒子加速器湖南浏阳烟花爆竹企业爆炸事故已致3人死亡

    凯文·沃什宣誓就任美联储主席

  • 【文脉华章】赓续草原文脉 共筑文化华章受权发布|基金会管理条例

    习言道|中俄要反对一切否定二战胜利成果、为法西斯和军国主义“翻案招魂”的挑衅行径

  • 外媒:普京访华凸显中俄深化双边关系意义重大公安部通报10起非法破解无人机案例

    小伙连刮3天刮刮乐中百万连夜返乡

  • 湖南发布首批多式联运精品线路 构筑国际物流大通道伦敦世乒赛:国乒女团今日将再战韩国

    音乐剧《南孔》济南上演 衢州送文旅大礼包

  • 新国标“考驾照难度翻倍”是真的吗今天是国际生物多样性日:旗舰物种频添新丁 我国生态保护成效显著

    第二艘国产大型邮轮“爱达·花城号”试航

  • 雁荡山飞拉达着火?当地:造假引流“零添加”“0蔗糖”未必更健康

    大雨中的任副书记让人心疼又敬佩

  • 中国出手 非洲首次出口硫酸锂“铁杆友谊”彰显中国外交的鲜明底色

    西安博物院古籍展吸引民众参观

  • 没有“黑眼圈” 全球唯一野生白色大熊猫长大了商业航天迎来发展黄金期

    科技与艺术深度融合 重庆上演互动烟花戏剧

  • 2026年全球贸易投资促进峰会在京举行情绪易怒爱走神是前额叶受损吗?保护大脑做好这4件事

    从“场边观赛”到“上场竞技”台胞组队参加厦门龙舟赛

  • 鄱阳湖畔的“候鸟食堂”两德国人骑行长征路:138天7000公里

    普京结束访华之行,乘专机离京

  • 超百项计量成果入库 填补多项国内技术空白杭州海关原副厅局级干部王华雄被开除党籍

    2026国际青春诗会广州启幕 百余位中阿诗人共赴诗歌之约

相关攻略
  • 香港跨境财富管理规模跃居全球第一
    2026-11-20 18:14:06
包含 饿了么 的应用集
  • 文脉华章|泱泱中华 文脉不息 重庆与越南签署经贸合作三年行动计划 双向投资贸易再提速 机器人“组团”亮相西洽会
    河南睢县:国际护士节 白衣天使坚守岗位护理新生儿
    广东用电负荷创历史新高 突破1.65亿千瓦
    146528252166702026-11-20 18:14:06
  • 小雨智造乔忠良:年出货10万台是具身智能决赛圈的门票 高标准高质量做好发展党员工作——中央组织部负责人就修订颁布《中国共产党发展党员工作细则》答记者问 探访福建闽清“空中邮差”:10分钟飞行服务圈的山区“邮路”
    香港廉政专员出席欧洲大型区域反贪会议 倡合作应对贪污风险
    台湾电力公司更换于右任书法徽标引发讨论
    33136456646742026-11-20 18:14:06
  • 探访全球首座储能电池哈铁“雪具便利行”服务新增五座高铁办理站 专家建言海南打造中国—东盟蓝色经济区域枢纽
    媒体:国乒男队缺少“二号位”
    受暴雨天气影响 国铁广州局持续调整列车运行
    5447734965135993142026-11-20 18:14:06
  • 美国佛州枪击案律师:ChatGPT为枪手作案“出谋划策” 国乒女团3-0横扫韩国进世乒赛4强 广西侨界青年分享AI赋能创业经验 抢抓数字化发展新机遇”
    东西问丨海外热议“Country Walk”:走向更具质感和温度的中国
    广西三江:脐橙飘香引客来
    9325987488668272026-11-20 18:14:06
  • (近观中国)武契奇访华,习近平授予他这枚特殊勋章 《消失的人》票房破2亿成五一档冠军 首届MRO及航材供应链展在北京开幕
    航行警告!北部湾部分海域进行实弹射击 禁止驶入
    闽北密集发布气象及地灾预警 武夷山九曲溪竹筏停运
    679368454609602026-11-20 18:14:06
  • 第五届“香港潮州节”将于6月5日在港开幕 以教育为桥 向未来而行——书写中俄教育合作崭新篇章 营商软实力锻造发展硬支撑
    德国莱比锡汽车冲撞人群事件已致两亡多伤
    打卡同色系风景 城市“色彩漫步”成为年轻人新型散步方式
    394071330335202026-11-20 18:14:06
  • 法拉利电动车被吐槽“苹果味”十足 “湖北惊现人造毒大米”系AI生成 朝鲜女足代表团抵达韩国 时隔12年再访韩
    台湾青年在抗震烈士塑像前落泪:这就是抛头颅洒热血的救灾精神
    长鑫科技今日上会 市值冲击2万亿元
    62315131001002026-11-20 18:14:06
  • 意外“自然熟”的凤梨,稳住了海南整个产季 Token越来越贵?别慌!算力网已在来的路上 从“无翻译”到万余名留学生来华学习 拉赫蒙总统点赞塔中合作成果
    【追光的你】习言道|追求进步是青年最宝贵的特质
    浙江举办药膳创新创意大赛 呈现“舌尖上的中药养生盛宴”
    1697974989093396442026-11-20 18:14:06
  • 《城市建设档案管理规定》将于今年9月1日起施行 福建泰宁借“一湖碧水”撬动体育文旅新动能 长春TIR单月车次创纪录 加速打造国际物流枢纽
    全新一代问界M9上市:47.98万元起售,发布即交付
    微视频|殷殷嘱托 青春作答
    112274773081812026-11-20 18:14:06
  • 这些外国青年,在博物馆重新认识中国 5月13日“农产品批发价格200指数”比昨天下降0.17个点 安徽蚌埠第四届龙虾啤酒嗨玩节启幕
    AI眼镜对话文物、半小时生成短剧:AI成文化产业新引擎
    山西沁水解锁假日乡村旅游“新玩法”
    717316156349632026-11-20 18:14:06
  • 张嘉益的眼泪比台词更有力量 “东北超”:以体育为桥激活东北振兴新活力 山高水远 忠诚作答——记独龙江边境派出所的戍边岁月
    山西煤矿爆炸瞬间产生强大冲击波
    外媒关注中美元首会晤确定两国关系新定位
    496494745195783372026-11-20 18:14:06
  • 湖北当阳27万亩小麦开镰收割 武契奇夫人穿旗袍爱不释手 2025-2026年榨季超124万吨老挝甘蔗经西双版纳入境
    转移余废药物、加固受损房屋 浏阳烟花厂爆炸事故相关处置工作正在进行
    马来西亚女画家丹青寄情共庆母亲节
    34964453728862642026-11-20 18:14:06
  • 总书记引领强国之路|聚天下英才而用之 激光除草机亮相北京科博会 百公里7升油杂草瞬间变“青烟” 伊朗股市恢复交易
    4月中国公路物流运价指数呈小幅回升态势
    广西织锦工艺大师将壮锦融入世界杯文创获市场青睐
    2562418572205216682026-11-20 18:14:06
  • 盖茨基金会清仓微软股票 土耳其专家阿蒂利:中国将生态保护“义务”变为产业发展“机遇”|新闻会客厅 服务消费蓬勃发展
    美加州故障储罐可能已出现裂缝
    美国华盛顿州工厂爆炸已致2人死亡、9人失踪
    616868932884842026-11-20 18:14:06
  • 公司逼怀孕员工签产假协议只发2500 雷霆23分大胜湖人 3-0夺赛点 上海新加坡联合举办专项活动 共建跨境商事调解协作机制
    新工业革命伙伴城市网络建设交流会在厦门举行
    “拓然巴”:藏传佛教的博士学衔分量到底有多重?
    670612798107523492026-11-20 18:14:06
  • 河南省驻马店市人大常委会原党组副书记贾迎战被开除党籍 奋力开创中国式现代化福建实践新局面 谱写社会主义现代化新疆新篇章 韩国(第五届)HSK留学中国展在首尔举办
    崖州湾国家实验室南宁粮油作物创新平台揭牌
    昆仑万维Agent模型闯入全球第一梯队 定价低至行业一半
    8622550449816401202026-11-20 18:14:06
  • 招商引资89.69亿元 重庆涪陵打造产业强区创新高地 甘肃康乐牛倌“点”数据 牧歌“云”上听 中超第12轮:蓉城逆转津门虎提前锁定半程冠军 国安终结海牛四连胜
    母亲节香港街头免费派送花束礼物
    美媒:沃什22日将宣誓就任美联储主席 特朗普主持仪式
    821408907604252026-11-20 18:14:06
  • 四部门印发文件,对中小学办学划下“底线要求” 国务院常务会议部署全国统一大市场建设 第三届“青超”联赛打响 揭幕战西宁队1:1战平果洛队
    辽宁抚顺:社区建起 “光明小屋” 居民家门口享专业眼健康服务
    智能机器人上门做保洁
    13578513238251192026-11-20 18:14:06
  • AI玩具降低海外成本 汕头探索“Token出海”新模式 非洲又现埃博拉病毒 一国已80人死亡 辛识平:奋斗始终是青春年华的主旋律
    吉林雪场密集开板 多元玩法激活冰雪经济
    深圳出海中心正式进入实体化运营阶段
    359918398706628812026-11-20 18:14:06
  • “AI湾区”浮现:人形机器人忙“上岗” 智能体出国“修设备” “直击武警官兵多课目训练高燃瞬间 吴宜泽逆转马克·艾伦晋级决赛
    今年以来湖北警方破获经济犯罪案件1007起
    公安部通报10起非法破解无人机案例
    127414498644222026-11-20 18:14:06
  • 市场监管总局:全国累计有35.8万个体工商户直接转型为企业 旅游业应跳出“走马观花”模式 洪涛回应歌手淘汰庾澄庆
    【美丽中国行】万里河山愈发绚丽多姿
    “铁杆友谊”彰显中国外交的鲜明底色
    848648021346262026-11-20 18:14:06
  • 上海公布2025年老年人口数据:户籍60岁及以上人口占比约37.6% 口岸客流持续攀升 多国游客入境打卡中国山水人文 南宁沃柑热销海外 本产季开始以来出口货值逾7500万美元
    十年接力“西部助学” 杭州新阶层人士续写山海情长
    专家:中国消费市场正从“规模扩张”转向“创新驱动”
    57975460681617342026-11-20 18:14:06
  • 浙江教育观察:一所职业大学,能有多少种可能? A股三大股指高开 PCB概念股持续走强 中国台球职业俱乐部联赛激战正酣 塔猜亚上饶首秀
    苏炳添谈接力:我们曾是“敢死队” 为年轻人开心
    美国学者:伊朗战争两个月 几乎所有人都成了输家
    618929828376962026-11-20 18:14:06
友情链接
  • 自媒体博主被判赔比亚迪200万
    2026-11-20 18:14:06
  • 6月起,这些新规将影响你我生活
    2026-11-20 18:14:06
  • 各界代表齐聚广西南宁探讨新时代好网民担当
    2026-11-20 18:14:06
安卓手机网上最贴心的Android软件应用平台!版权所有:VAST+清华提出3D生成新范式,空间智能密度控制把算力花在刀刃上有限公司备案号:京ICP备17065190号-1