Tag · 5 篇

数字孪生

分布 3D 视觉与重建3人脸与人体理解1生成模型与扩散1

Unposed-to-3D: Learning Simulation-Ready Vehicles from Real-World Images

用相机预测检测头替代已知位姿监督，把可微渲染的光度误差当作自监督信号，使三维重建网络能从无位姿的真实驾驶图像中学习；这套「位姿预测+可微渲染」闭环可直接迁移到其他缺少相机标注的真实数据三维重建任务。

Part$^{2}$GS: Part-aware Modeling of Articulated Objects using 3D Gaussian Splatting

把 3DGS 的每个高斯绑定可学习部件属性，配合接触约束、速度一致性与斥力点场实现物理一致的关节运动，可直接迁移到可动物体/机器人场景的数字孪生与可动部件重建。

Ground Reaction Inertial Poser: Physics-based Human Motion Capture from Sparse IMUs and Insole Pressure Sensors

用物理仿真器中的合成人形作为数字孪生，把稀疏 IMU 与鞋垫压力信号经 KinematicsNet 估计后，由 DynamicsNet 以残差控制仿真人形，从而得到物理一致的人体运动；这套「运动学估计 + 物理仿真残差修正」的范式可迁移到视频人体运动恢复与物理合理性约束。

Dexterous World Models

将静态3D场景渲染与第一人称手部网格渲染作为条件输入视频扩散模型，实现动作驱动的场景交互视频生成，为具身交互与数字孪生提供可复用的条件生成框架。

ArtLLM: Generating Articulated Assets via 3D LLM

将 3D 多模态大语言模型用于从点云自回归预测铰接物体的部件与关节布局，再以该布局为条件驱动 3D 生成模型合成部件几何，为铰接资产生成提供了统一布局-几何的两阶段范式。