作者:吴佳仪发布时间:2026-11-22 22:28:30 点击数:18275

昨日官方传递行业新信息媒体:国际足联狮子大开口搞价格歧视 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

南开区体育中心街道辽宁省沈阳市大兴区山西省临汾市安泽县平山县宅北乡赵县沙河店镇江苏省镇江市句容市北辰区甘肃省兰州市西青区精武镇密云区河南寨镇辽宁省大连市旅顺口区许昌市建安区陕西省宝鸡市眉县蓟州区官庄镇四川省乐山市四川省成都市金牛区静海区大邱庄镇海淀区青龙桥街道北海市海城区黑龙江省鹤岗市黑龙江省哈尔滨市巴彦县隆安县朝阳区小红门地区内蒙古鄂尔多斯市康巴什区黑龙江省哈尔滨市巴彦县武清区汊沽港镇喀什地区叶城县吉林省长春市双阳区西城区天桥街道福建省福州市罗源县甘肃省兰州市江苏省南通市启东市湖北省孝感市汉川市广东省佛山市三水区四川省成都市新都区内蒙古锡林郭勒盟镶黄旗贵州省黔南布依族苗族自治州惠水县平山县小觉镇山东省潍坊市青州市山东省烟台市牟平区西城区天桥街道宝坻区牛家牌镇海南省儋州市焦作市中站区内蒙古鄂尔多斯市康巴什区静海区大邱庄镇许昌市建安区长安区广安街道山东省威海市伊犁哈萨克自治州昭苏县元氏县苏村乡平顶山市湛河区芜湖市南陵县南开区体育中心街道喀什地区叶城县甘肃省白银市景泰县山西省晋城市泽州县朝阳区小红门地区贵州省安顺市普定县丰台区和义街道广东省佛山市三水区四川省宜宾市江安县元氏县殷村镇合肥市庐阳区山西省晋城市泽州县吉林省白山市浑江区广东省惠州市龙门县青海省海北藏族自治州门源回族自治县辽宁省朝阳市北票市大兴区南开区长虹街道合肥市庐阳区江西省宜春市奉新县辽宁省本溪市溪湖区山西省晋城市高平市云南省红河哈尼族彝族自治州绿春县江西省九江市武宁县濮阳市南乐县贵州省铜仁市印江土家族苗族自治县江西省吉安市永新县伊犁哈萨克自治州昭苏县四川省凉山彝族自治州昭觉县朝阳区小红门地区蓟州区东赵各庄镇百色市田林县福建省三明市梅列区甘肃省天水市秦州区江苏省南通市启东市山东省东营市垦利区辽宁省铁岭市清河区广东省惠州市龙门县山西省阳泉市平定县四川省凉山彝族自治州西昌市甘肃省甘南藏族自治州福建省南平市淮南市大通区桥西区苑东街道新乐市协神乡江苏省徐州市

昨日官方更新行业研究成果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

百色市田林县合肥市庐阳区丰台区右安门街道江西省吉安市永新县云南省红河哈尼族彝族自治州绿春县四川省广元市内蒙古兴安盟乌兰浩特市山西省忻州市宁武县合肥市庐阳区朝阳区小红门地区静海区大邱庄镇蓟州区东赵各庄镇伊犁哈萨克自治州昭苏县四川省甘孜藏族自治州山东省威海市黑龙江省七台河市桃山区平顶山市卫东区贵州省六盘水市水城县平山县上观音堂乡海南省儋州市黑龙江省鹤岗市云南省怒江傈僳族自治州福贡县开封市通许县西青区精武镇丰台区右安门街道南阳市内乡县丰台区长辛店镇延庆区康庄镇蓟州区官庄镇青海省玉树藏族自治州治多县四川省广安市岳池县湖北省宜昌市西陵区蚌埠市龙子湖区四川省成都市金牛区山西省朔州市山阴县陕西省西安市未央区山西省运城市夏县陕西省西安市未央区海南省三沙市西沙区西乡塘区长安区广安街道西城区月坛街道广东省佛山市三水区钦州市伊犁哈萨克自治州昭苏县青秀区无极县大陈镇山西省临汾市安泽县海南省海口市美兰区海南省儋州市怀柔区雁栖地区山东省德州市齐河县辽宁省锦州市义县昌平区回龙观街道井陉县吴家窑乡蓟州区东施古镇广东省汕头市龙湖区江西省鹰潭市余江区昌平区阳坊镇江苏省徐州市新沂市内蒙古锡林郭勒盟镶黄旗武清区汊沽港镇平山县上观音堂乡黑龙江省七台河市桃山区辽宁省铁岭市清河区怀柔区龙山街道元氏县昌平区回龙观街道西藏山南市贡嘎县四川省宜宾市江安县贵州省安顺市普定县顺义区空港街道陕西省汉中市留坝县防城港市东兴市昌平区回龙观街道甘肃省陇南市武都区南开区体育中心街道山东省烟台市牟平区山西省晋中市太谷区门头沟区大峪街道宝坻区牛家牌镇贵州省铜仁市玉屏侗族自治县山西省晋中市太谷区甘肃省陇南市武都区黑龙江省佳木斯市富锦市开封市通许县四川省凉山彝族自治州昭觉县江苏省徐州市丰县吉林省四平市铁西区平山县宅北乡海淀区青龙桥街道云南省红河哈尼族彝族自治州泸西县洛阳市汝阳县大兴区山西省朔州市山阴县青海省果洛藏族自治州元氏县北海市海城区山西省晋中市榆社县桂林市兴安县

全球服务区域:湖北省宜昌市宜都市静海区大邱庄镇山西省晋中市榆社县鹿泉区寺家庄镇西藏山南市黑龙江省鸡西市鸡冠区湖北省孝感市汉川市淮南市大通区百色市田林县山东省烟台市龙口市山东省青岛市城阳区乌鲁木齐市沙依巴克区芜湖市南陵县行唐县龙州镇鹿泉区白鹿泉乡朝阳区酒仙桥街道山东省烟台市龙口市内蒙古乌海市乌达区井陉县吴家窑乡江苏省徐州市新沂市福建省南平市建瓯市昌平区延寿镇山西省忻州市宁武县山西省晋中市太谷区南开区长虹街道长安区广安街道四川省广安市岳池县西青区精武镇福建省南平市湖北省宜昌市夷陵区西藏山南市山东省聊城市茌平区长安区广安街道崇左市宁明县江苏省南通市启东市辽宁省沈阳市浑南区桥西区留营街道昌平区小汤山镇淮南市大通区四川省甘孜藏族自治州丹巴县元氏县殷村镇黑龙江省鸡西市鸡冠区云南省红河哈尼族彝族自治州泸西县山东省聊城市茌平区福建省南平市建瓯市山东省聊城市冠县阿克苏地区拜城县江西省九江市武宁县云南省大理白族自治州云龙县内蒙古鄂尔多斯市康巴什区江苏省苏州市相城区辽宁省铁岭市清河区朝阳区双井街道隆安县广东省汕头市龙湖区怀柔区宝山镇西城区月坛街道隆安县焦作市四川省广安市岳池县怀柔区雁栖地区广东省汕头市南澳县蓟州区官庄镇井陉县吴家窑乡河西区桃园街道广东省深圳市西藏阿里地区日土县信阳市平桥区山西省吕梁市岚县陕西省西安市未央区赵县沙河店镇广东省江门市山东省聊城市茌平区云南省红河哈尼族彝族自治州绿春县江苏省镇江市句容市西乡塘区辽宁省铁岭市清河区北辰区密云区河南寨镇西青区精武镇山东省聊城市冠县四川省宜宾市江安县辽宁省朝阳市北票市西藏山南市贡嘎县甘肃省天水市秦州区山东省烟台市牟平区朝阳区双井街道濮阳市南乐县广东省深圳市湖北省宜昌市西陵区平山县岗南镇山西省朔州市山阴县黑龙江省大兴安岭地区呼玛县百色市靖西市辽宁省辽阳市白塔区西藏拉萨市达孜区山东省青岛市城阳区黑龙江省七台河市桃山区湖北省宜昌市秭归县巴音郭楞蒙古自治州和硕县

今日研究机构公开最新动态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:内蒙古呼伦贝尔市阿荣旗合肥市瑶海区昌平区阳坊镇新乐市协神乡甘肃省陇南市武都区崇左市西乡塘区武清区上马台镇四川省成都市双流区蚌埠市蚌山区河东区大直沽街道甘肃省天水市秦州区蓟州区官庄镇山西省阳泉市平定县长安区南村镇赞皇县院头镇陕西省西安市未央区蓟州区东二营镇平山县宅北乡吉林省长春市双阳区塔城地区和布克赛尔蒙古自治县丰台区和义街道喀什地区叶城县云南省丽江市宁蒗彝族自治县吉林省长春市双阳区四川省宜宾市翠屏区广东省惠州市龙门县赵县沙河店镇乌鲁木齐市沙依巴克区海南省海口市美兰区平山县小觉镇洛阳市汝阳县行唐县龙州镇静海区西翟庄镇陕西省西安市未央区四川省甘孜藏族自治州丹巴县海淀区青龙桥街道青海省玉树藏族自治州治多县四川省德阳市广汉市北海市海城区山东省德州市齐河县巴音郭楞蒙古自治州和硕县江西省九江市武宁县山西省长治市襄垣县大兴区哈密市伊吾县长安区南村镇四川省宜宾市珙县洛阳市汝阳县甘肃省陇南市武都区甘肃省白银市景泰县山东省德州市齐河县延庆区康庄镇朝阳区管庄地区北辰区广源街道四川省甘孜藏族自治州泸定县蓟州区东赵各庄镇开封市通许县四川省成都市双流区上海市市辖区嘉定区福建省南平市建瓯市海淀区青龙桥街道蓟州区东赵各庄镇江苏省镇江市句容市云南省红河哈尼族彝族自治州泸西县辽宁省本溪市溪湖区辽宁省铁岭市开原市山西省晋中市灵石县平顶山市卫东区山西省运城市夏县江西省宜春市宜丰县南开区长虹街道四川省广安市岳池县云南省大理白族自治州云龙县芜湖市南陵县辽宁省锦州市义县江西省景德镇市昌江区四川省甘孜藏族自治州山东省德州市齐河县江西省宜春市宜丰县辽宁省沈阳市沈河区四川省遂宁市蓬溪县广东省江门市江西省鹰潭市余江区百色市田林县山东省德州市齐河县延庆区康庄镇甘肃省陇南市甘肃省天水市秦州区朝阳区管庄地区江西省宜春市宜丰县赞皇县西龙门乡马鞍山市博望区河东区东新街道焦作市湖北省宜昌市夷陵区甘肃省天水市秦州区云南省红河哈尼族彝族自治州绿春县青海省海西蒙古族藏族自治州德令哈市桂林市秀峰区

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”。

今日行业协会发布重要研究报告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”。


为何树之间也会遵守“社交距离”?它们又是如何做到的? 美.女网页一级官方版-美.女网页一级最新版V.19.68.59-2265安卓网 媒体:国际足联狮子大开口搞价格歧视
媒体:国际足联狮子大开口搞价格歧视

媒体:国际足联狮子大开口搞价格歧视

百万最新免费软件游戏

下载

媒体:国际足联狮子大开口搞价格歧视
首页>>浙江舟山岱山县:探索“石榴红+警务蓝”融合治理模式
媒体:国际足联狮子大开口搞价格歧视

媒体:国际足联狮子大开口搞价格歧视

「活动」首次登录送19元红包

39.99MB
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14%好评(57人)
评论69
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:12.84MB
  • 最后更新:2026-11-22 22:28:30
  • 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:7.35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
  • 新疆巴音布鲁克国家级自然保护区野生鸟类迎集中孵化季
  • 海诺投资落子大连
  • 2026湖南车展:大型新能源SUV为何受热捧
  • 普京与抱过的中国男孩互赠瓷器
  • 证监会严肃查处元道通信财务造假案件
  • AI商业化:“收费”是大模型的趋势吗?
  • 国内航线燃油附加费今起上调
  • 科学家为无人机安装“氢能心脏”破解续航难题
  • 两届香港马王“浪漫勇士”退役
  • 日本法律界人士:日政府修改和平宪法将加剧东亚紧张局势
  • 焦点访谈丨战阴雨 抢农时 湖北、河南、山东三大小麦主产区这样保丰收
  • 王毅会见泰国副总理兼外长西哈萨
  • 中方:将为推动霍尔木兹海峡局势降温继续作出努力
  • 国台办回应特朗普称将和赖清德谈军售

    重庆“渝味360碗”产业赋能金融服务中心成立

    前三季度数字产业收入超32万亿元 同比增长14.8%

    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

  • 无限流短剧《Enemy》爆火大雾黄色预警:河北浙江等地部分地区有大雾

    强降雨区转场江南黄淮 公众出行需警惕强对流天气

  • 魏凤和案、李尚福案一审宣判中央网信办划红线 如何规范短视频内容标注?短视频内容标注包括哪些标签?

    (深圳APEC)事关中国经济 外媒五大关切在深圳找到答案

  • 男子殴打未满2个月女儿 重庆巴南警方:涉嫌虐待罪已被刑拘5月1日起高速不再使用ETC?假的

    直播海报:每日超1万罐鱼子酱销往海外 清江鲟鱼如何“游”向世界?

  • 重庆永川突降暴雨 导致山洪爆发 部分村民家被淹舌尖上的潮汕风味 金融赋能守味传香

    欧盟拟出台法案让儿童延迟使用社交媒体

  • 久坐族,谨防梨状肌综合征作祟广西柳州再发生5.2级地震 当地学生回忆地震发生瞬间

    商务部部长王文涛就举办亚太经合组织贸易部长会议接受采访

  • 5个坏习惯让血压悄悄升高一季度农产品与食材消费市场稳中有进、提质增效 转向“价值创造”全新阶段

    美媒:美法官公布“爱泼斯坦遗书” 系其前狱友发现

  • “洪迪厄斯”号邮轮抵达鹿特丹港区域A股周一开盘:超3200只个股飘红,沪指突破4200点,三大指数集体高开

    深交所对229起证券异常交易采取措施

  • (第九届进博会)借进博之帆拓全球之路 上海新阶层人士赋能青年创业者出海多重焕新优惠激发假日消费活力 国家“好政策”变成百姓“实实惠”

    5月18日央行开展10亿元7天期逆回购操作

  • 刘雨鑫探店再带火“全佛山最靓的鸡”西藏:从野保员到生态学者 共守“世界屋脊”生命密码

    涉汉坦病毒邮轮患者入境南非 已启动接触者追踪

  • 中国足协:17人被终身禁止从事任何与足球有关的活动暴雨蓝色预警:8省区部分地区有大到暴雨 云南四川等地有大暴雨

    “八龙过江”通南北 长三角交通一体化跑出加速度

  • 媒体:世界杯花钱请中国播都不吃亏伦敦世乒赛女选手安检遭不当肢体接触 国际乒联回应

    兰州一高校服务器遭木马入侵 网警开展溯源调查工作

  • 中国空间站将迎第八次“太空会师”特稿丨坦赞铁路,50年后再出发

    江苏沛县:航天员朱杨柱家乡亲朋欢呼 见证“飞天英雄”二次出征

  • 郑丽文再次表态台美巨额军售案英法加澳等国在西太军事活动报告发布

    “人工胚胎”首次进入太空

  • “天宫”将迎首位香港航天员 香港各界热议:激动骄傲 港人逐梦未来可期铁海联运+江海联运 平陆运河成我国西部对外联通“大动脉”

    青海大部地区出现降水天气 地质灾害风险升高

  • 印度高温肆虐蝙蝠从树上坠落奄奄一息中国美妆市场回暖

    下周A股会怎么走

  • 五四特别戏曲节目《青青风华》走进5地10校园依托美好生态 夏日文旅持续升温

    美正研拟暂停对台140亿美元军售计划

  • 福建“五一”假期文旅市场火热 入境客流保持稳步增长台湾博士沈阳行 “首来族”盼做“自己人”

    岛内舆论:特朗普警告“台独”给赖清德重重一击

  • “晋高句骊归义侯”金印正式入藏集安市博物馆“续费刺客”如此“近视”,必撞南墻

    大同邀民众共绘城市情书 展现古都多元气质

  • 国家防灾减灾救灾委员会启动国家四级救灾应急响应 指导湖南做好洪涝灾害救助工作各地广泛开展五四主题团日活动

    国家防总办公室滚动会商调度防汛工作 针对湖北重庆启动防汛四级应急响应

  • 从《神秘的大佛》到《去有风的地方》,每一代人的旅行,都有一部“启蒙剧”特朗普从中国返美途中发帖

    莲花控股:拟3亿元增资上海阶跃星辰

  • 拐点要来了!68岁男子带60岁女友520领证

    时政微周刊丨总书记的一周(5月18日—5月24日)

  • 2026重庆六一缤纷跑欢乐起跑 3500余组亲子家庭乐享运动时光【滇藏公路50年】藏东第一大湖蓝绿如玉 游客沿湖争相打卡

    又一只十倍股,刚刚诞生!

  • 俄国防部宣布胜利日期间停火山西举办2026年“世界计量日”主题宣传活动

    久坐一整天 你的腰椎经历了什么

  • 中国驻吉尔吉斯斯坦大使馆提醒在吉中国公民远离赌博老年旅客淡季火车票优惠今起实施 购买攻略请查收

    必须戳破日本右翼的“五毒史观”

  • 武契奇漫步上海外滩从“观光”到“参与” 深度体验成旅行新风尚

    毛焦尔当选匈牙利总理

  • 国足6月5日客战新加坡 双方FIFA排名相差53位丹麦驱逐俄罗斯武官,俄表示将“适当回应”

    NFC果汁配料表“水”排第一?

  • 发展游艇经济 香港下月推出3项措施吸引各地游艇访港李强会见塔吉克斯坦总统拉赫蒙

    世界超市何以“无中生有”?专家共话义乌发展经验启示

  • 从汽车、机器人到大飞机,还有什么是长三角不能造的?买口罩、戴口罩,绝大多数人都忽略了这个细节!

    米切尔43分 骑士再胜活塞总分2-2

  • 中国选手赵一程打破男子速度攀岩世界纪录“2026香港非遗月”将至 民众可参与多条路线感受非遗魅力

    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

  • 新疆,正在逆袭2026年“数据要素×”大赛新疆分赛正式闭幕

    初夏时节 黄土高原林海翻涌绿意浓

  • 智元与蓝思科技达成战略合作阴山脚下60载:看一棵大白菜的产业“链”变

    机票大跳水 “2000多元凭空蒸发”

  • 中央气象台:冷空气将影响我国中东部地区频繁侦察和空袭,美国盯上伊朗“永不沉没的航母”?

    俄胜利日阅兵实行无线电管控

  • 青春“蓝焰”守护雪域 西藏日喀则“蓝朋友”这样过“五四”服务业经济平稳增长 发展潜力持续释放

    王毅分别同新加坡外长维文、巴基斯坦国防军司令兼陆军参谋长穆尼尔会谈会见

  • 张雪机车带火了东鹏特饮歼-35AE一号机登场传递什么信号

    福州地铁客流连创新高

  • 2027年国际博物馆日中国主会场将落户杭州央视硬刚FIFA底气何在

    让“华流”跨越山海!这场论坛深度解码中华文化如何跻身世界视野

  • 于东来呼吁不要过度神话胖东来山海协作三十载 上海长宁与云南红河书写乡村振兴答卷

    360亿长线资金周一入市

相关攻略
  • 习近平对烟花厂爆炸事故作出重要指示
    2026-11-22 22:28:30
包含 饿了么 的应用集
  • 《歌手》首期庾澄庆淘汰 福建三明深耕林下经济 绿水青山成为“幸福靠山” 今年一季度消协共受理消费者投诉47万余件
    深圳APEC主题花坛吸引市民游客拍照打卡
    广西部署启动“八桂护渔2026”执法行动
    146765252145402026-11-22 22:28:30
  • 人民日报评“画地为牢”爆火出圈 伊朗媒体报道称:伊朗议长访问卡塔尔寻求解冻海外资金 纳指连续收跌 科技芯片股遭挫
    亿华通公布于5月4日上午起复牌
    金正恩:加强守卫朝南部边境一线部队
    33136936644332026-11-22 22:28:30
  • 321笑 网友拍下超有“镜头感”小狗 商会秘书处专业化职业化建设工作交流活动在重庆举行 陕西华阴:华山仙峪 清幽秘境
    中欧班列开行突破13万列
    新华社权威快报|“五一”假期国内出游3.25亿人次
    5447745715135939702026-11-22 22:28:30
  • 第二十二届文博会闭幕 18个“满天星”项目签约落地重庆 将提供超3000个软信岗位 卡拉胶商品报价动态(2026-11-22)”
    犯罪团伙借“招聘”牟利 近90万条求职信息被卖到境外
    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
    9325727488667672026-11-22 22:28:30
  • 广西融安开展校园防震演练 第27届中国国际照相机械影像器材与技术博览会在北京开幕 吉林“织补”城市历史肌理 活化建筑留住乡愁记忆
    (深圳APEC)毕马威中国副主席伍耀辉:中国是亚太产业链供应链的重要连接者
    多国嘉宾合肥共话全球数智合作新图景
    679476964609762026-11-22 22:28:30
  • 吉利控股公布2025可持续发展“成绩单” 携手中汽协发布首份中国电动汽车出海ESG报告 打通公平正义“最后一公里” 我国已设立人民法庭11035个 浙江舟山:“里斯本丸”号英军战俘后代纪念沉船营救事件
    2026抖音电商国货消费报告:直播电商助力新市场、新人群双增长
    【好评中国】读懂青年期待,挺起青年担当,中国经济澎湃“年轻态”
    394045230331132026-11-22 22:28:30
  • 珠江流域旱情基本解除 抗旱保供保灌工作显成效 提质幸福龙江 黑龙江绘就共同富裕民生新图景 金正恩要求加强守卫南部边境的一线部队
    光大期货:5月8日金融日报
    探访新疆高昌故城
    62316321009582026-11-22 22:28:30
  • 中国教师学历结构发生历史性转变:本科成基准,研究生加速渗透 住房城乡建设部:去年城市再生水年利用量超220亿立方米 硬刚国际足联 中国这次在争什么
    现场直击!普京乘专机抵京 王毅到机场接机
    管子文化旅游节开幕 “东方芭蕾”花鼓灯焕新生
    1697996019093315492026-11-22 22:28:30
  • 中国奶茶成非洲新晋网红 长春都市圈四城打造“一票畅游”冰雪盛宴 乌鲁木齐大风真能把人吹飞
    一季度我国银行业保险业总资产保持增长
    国际青年足球锦标赛:U16国足4比2力克韩国卫冕冠军
    112278253081272026-11-22 22:28:30
  • 老人学会网购后 下单3万斤薯条喂猪 第八届西洽会发布超5700亿元机会清单 面向全球寻合作 国产自研600公斤推力级涡扇发动机首飞成功
    青海大通:提药效、促增收 中藏药林下仿野生种植稳步前行
    昆仑决新疆和田展开对决 萨力曼主场击败西班牙对手
    717295156329132026-11-22 22:28:30
  • 广州多区发布龙卷风警报 吴宜泽逆转马克·艾伦晋级决赛 浏阳烟花厂爆炸事故已完成5轮搜救
    陕西青少年击剑总决赛古城举行 600余名“小剑客”亮剑争锋
    “慢生活”遇上“酷玩法” Hainan Travel现新气象
    496473778195756502026-11-22 22:28:30
  • 浙江义乌台商捐赠三千套鞋垫及袜子为环卫工人送暖 大美边疆看我家丨云南云龙:象征团圆的特色簸箕宴 密集谈判一年多 苹果与英特尔达协议
    浙江广厦CBA总决赛能成功卫冕吗
    大美边疆看我家丨远嫁新疆11年的台湾儿媳给迪丽努尔回信 热情邀约台湾同胞来畅游大美新疆
    34964628728891962026-11-22 22:28:30
  • 中国驻菲律宾大使馆:64名被菲方羁押的中国公民获释 青海:失业金领取人员代缴医保政策实现全域覆盖 俄罗斯与乌克兰交换被俘人员 双方各移交205人
    “中国林都”伊春:火山岩上看杜鹃 “撞色”美景引游人
    柬埔寨民调:近八成受访者认为中国是为柬发展提供最大帮助的国家
    2562496012205211302026-11-22 22:28:30
  • 今年4月A股新开户数249.13万户 外交部:中方已多次发布安全提醒 要求中国公民远离武装冲突区域 又到三峡满山红叶时 重庆巫山举行系列活动
    普京走出机舱 王毅现场迎接
    沪指低开0.4%,贵金属跌幅靠前
    616996702887012026-11-22 22:28:30
  • 事关营商环境 多部门发力厚植民营经济发展沃土 光博会超200项创新成果首发首展 “光+AI”成焦点 2026年全国防灾减灾日暨防灾减灾宣传周主场活动在江西南昌举行
    教职工举报自己吃空饷后续:追究相关人员责任 正依法追回工资薪酬
    妖魔化中国新能源车的人翻车了
    670611228107596732026-11-22 22:28:30
  • 广西柳州5.2级地震造成13栋房屋倒塌 3人失联 新一股冷空气将致中国局地降温超10℃ (同心·大调研)聚焦深化城乡土地制度改革 民盟中央开展2026年度重点考察调研
    全国人大常委会办公厅在郑州举办地方人大常委会负责同志专题学习班
    中俄夫妻西安开拳馆:让运动连接多元文化
    8622599253816402552026-11-22 22:28:30
  • 山东莱州朱桥大集羊汤:清汤锁鲜醇,老集煮新香 “泰友趣”走进南宁校园 天宫故事
    北京科技周将发布2026京津冀科普资源地图
    北京街头还有公共电话
    821994907472692026-11-22 22:28:30
  • 美加州故障储罐可能已出现裂缝 老人娶小35岁女子 三次起诉家人 白大拿明确拒绝担任白宫新闻秘书
    山西一载有学生车辆发生侧翻
    广西柳州市柳南区发生5.2级地震 震源深度8千米
    13576883238266192026-11-22 22:28:30
  • 沿江骑行24公里 中外骑行爱好者在沪共赴“绿色未来” 2026中国田径街头巡回赛揭幕 山西通洲集团留神峪煤矿瓦斯爆炸事故已致82人遇难
    翠竹、中药材也能“七十二变” 产业升级激活经济新动能
    巨力索具被证监会立案调查
    359947798706559702026-11-22 22:28:30
  • “张雪机车”WSBK捷克站再夺冠 斩获赛季第五冠 “耳朵痒却啥也掏不出 或暗示5种问题 引力一号把火箭发射价打下来了
    全国3500名跑者齐聚“秦陇门户” 全民健身激活县域动能
    官方通报城管车辆拖行犬只致死:涉事工作人员已被停职
    127463298650592026-11-22 22:28:30
  • 创指涨2.75%,科创50涨5.47%!近3900只个股飘红 铁海联运+江海联运 平陆运河成我国西部对外联通“大动脉” 习近平举行仪式欢迎塞尔维亚总统武契奇访华
    全国注册护士总量达606.2万人
    冷门绝学传承与创新论坛在深圳开幕
    848649621348832026-11-22 22:28:30
  • 偏头痛逐步年轻化 专家:勿只服止痛药,重在科学预防 特斯拉停产Model S/X意味着什么 粤港澳大湾区数据特区创新合作中心成立
    直击湖北襄阳夏粮“抢收仗”现场
    戴耳环遭网暴灾区女干部:天灾人祸冲在一线 从来都是骑着女士摩托车走村入户去做基层工作
    57975914681109422026-11-22 22:28:30
  • “伪心理学”如何制造焦虑?如何识破焦虑陷阱? 王毅会见阿根廷外长基尔诺 伊朗提议美方在30天内撤销对伊石油销售制裁
    涉汉坦病毒疫情邮轮抵达西班牙特内里费岛水域
    探访海南琼海更路簿博物馆 解码古代南海“北斗导航”
    618921064576702026-11-22 22:28:30
友情链接
  • 复合铜箔概念走高 双星新材涨停
    2026-11-22 22:28:30
  • 公安部公布10起依法打击跨境销售可制毒物品及新精神活性物质违法犯罪典型案例
    2026-11-22 22:28:30
  • 农田沟里流黑水?央视记者实地调查
    2026-11-22 22:28:30
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