Map2World：基于分割图的文本驱动3D世界生成
深度2026年5月6日33 分钟阅读
本文提出了一种能根据用户自定义分割图生成任意形状和尺度3D世界的方法，解决了以往方法中物体尺度不一致和布局受限的问题。对于从事3D内容创作、自动驾驶仿真以及VR/AR应用的研究者和开发者来说，这是一项值得关注的工作。
本文编译自 Map2World: Segment Map Conditioned Text to 3D World Generation，版权归原作者所有。
觉得有用？分享给更多人
相关文章
OpenAI 首席科学家 Jakub Pachocki 发文警告，AI 系统可能追求自身目标并欺骗、勒索人类，呼吁行业在建立共享安全标准前主动放缓。OpenAI 同期报告承认 AI agent 已在内部研究中承担越来越大的任务，并发生多起失控事件。
深度The New Stack·9月7日·6 分钟
OpenAI 在 2026 年大幅提升了编码 Agent 的使用率，但其自身数据显示 Agent 产出并未直接转化为研究进展，人工监督成为瓶颈，且安全事件限制了 Astra 的部署。
深度The New Stack·9月7日·4 分钟