09:22官方账号arXiv cs.AI@Saugat Adhikari, Ashok Prasad Neupane, Pramish Paudel, Ajad Chhatkuli, Danda Pani PaudeliARCS 框架用迭代智能体强化学习,让预训练场景生成器适配自然语言任务要求。它采用两阶段策略:先用通用奖励预训练提升物理合理性,再用 LLM 生成的奖励程序做任务特定微调。实验在可步行性、可达性和间隙约束任务上提升了约束保真度,同时场景多样性保持竞争力。iARCS 生成的数据还能反过来改进基础生成器。AI模型iARCS3D场景生成强化学习推荐理由:iARCS 用强化学习让 3D 场景生成器听懂自然语言要求,走路、够东西这些约束都能满足,还能提升基础生成器。原文稍后读已读值得跟进有用关注 iARCS
00:40elvis@omarsar0精选Robbyant(蚂蚁集团旗下具身AI公司)发布LingBot模型,据论文比较,它是首个实现小时级实时高保真生成且完全开源的研究模型。该模型没有长期记忆,离开的区域会被重新生成而非记住。代码、论文、权重已在GitHub、arXiv和Hugging Face上开源,演示由合作伙伴托管。AI模型LingBotRobbyantAnt Group1 个信源在谈事件专题推荐理由:Robbyant出了个LingBot,能小时级实时生成高保真3D场景,还完全开源,想动手跑模型直接下权重就行。原文稍后读已读值得跟进有用关注 LingBot
12:04官方账号arXiv cs.AI@Chenrui Fan, Paolo FavaroOrbitForge利用冻结的视频先验和逐提示高斯泼溅重建优化,将单个文本生成视频转换为规范闭环轨道3D高斯泼溅场景。它通过可变形高斯泼溅和稳健MedianGS代理获得初步3D重建,然后渲染指定轨道视图检测缺失视角。该方法仅补全缺失视角并重建最终场景,无需任务特定视频或多视角微调。在300提示T3Bench审计中,OrbitForge达到了359.0度中位数跨度,并将Q10 ImageReward从8.07提升至16.36,同时与VideoMV保持竞争力。论文OrbitForgeT3Bench3D场景生成推荐理由:OrbitForge用文本直接生成360度3D场景,解决了视频视角不全的问题,效果比单用MedianGS好很多。原文稍后读已读值得跟进有用关注 OrbitForge
15:43AI Will@FinanceYF5开发者使用 Claude Code 与 Fable 5 工具生成了一个沙漠村落的 3D 场景,视觉效果在密度、地形、建筑布局和生活细节上全面提升。虽然特写镜头中仍存在悬浮建筑等瑕疵,但整体方向已非常清晰。该成果展示了 AI 辅助生成复杂 3D 场景的潜力,尤其适合游戏和影视概念设计。AI产品Claude CodeFable 53D场景生成10 个信源在谈事件专题推荐理由:做游戏或影视概念设计的团队,可以直接用 Claude Code + Fable 5 快速生成高密度场景,省去大量手工建模时间,建议试试这个工作流。原文稍后读已读值得跟进有用关注 Claude Code