蔡志鹏博士（https://zhipengcai.github.io/）是美国 Meta 公司的高级钻研员 ，博士毕业于澳大利亚阿德莱德大学。他的钻研重要集中在 Physical Intelligence ，蕴含三维视觉、多模态大模型等。他的工作已在领域顶级会议杂志上颁发超过 20 篇。其中 10 篇文章被选为顶级会议口头或特邀汇报 ，对鲁棒估计推算复杂度的理论证明工作被选为 ECCV18 12 篇最佳论文之一。
Meta 颁布了一项令人震撼的钻研工作 VLM? ，初次揭示了三维视觉进建的 Bitter Lesson：尺度的视觉说话模型 + scale 数据就是最单一有效的范式 ，针对特定工作的架构、损失函数以及数据加强的设计 ，甚至是 regression 的 formulation ，均不是三维视觉进建的必要前提。
当前的视觉说话 AI 模型（Vision Language Models, VLMs）通过统一的模型架构可能矫捷处置各类分歧的视觉工作。然而 ，只管在语义理解、视觉问答、图像指令等工作上阐发优异 ，它们在三维视觉方面依然阐发欠安。相比之下 ，专家视觉模型（expert vision models）在绝对深度估计（metric depth estimation）等三维理解工作上 ，凭借专门设计的网络结构、损失函数及数据加强 ，已经达到了超过人类的精度。
这就带来了一个主题问题：「视觉说话模型是否在三维视觉进建方面无法代替专家模型？」VLM? 初次证了然该问题的答案是否定的！
VLM? 通过极简的设计 ，在极为多样的三维视觉工作中媲美或超过专家视觉模型 ，并大幅超过最先进的视觉说话模型：1）在单目深度估计上 match UnidepthV2 及 MoGe2；2）在指标级三维理解工作上超过 SpatialRGPT；3）在像素匹配工作上超过 DKM 和 RoMa；4）在相机姿势估计上 match DA3 ，超过 VGGT。
VLM? 通过详尽的尝试发现 ，尺度的 VLM 仅必要 1）相机焦距归一化；2）像素空间归一化 ，就可能以令人惊叹的简洁方式有效学会各类三维视觉模型 ，在 1）单目深度估计中 match UniDepthV2 及 MoGe2；2）在指标级别三维理解超过 SpatialRGPT；3）在像素匹配工作上超过 DKM 和 RoMa；4）在相机姿势估计上 match DA3 并超过 VGGT。
和之前的三维视觉 VLM 分歧 ，VLM? 既不必要扭转 VLM 的架构 ，也不必要在图片上渲染 marker。相迸宗专家视觉模型必要大量的架构、损失函数及数据加强方面的复杂设计 ，VLM? 仅必要尺度的 VLM 架构（如 Qwen3-vl-4B）和训练（基于文字的 SFT）就可能在极为多样的三维工作上达到 SOTA。
这种简洁的训练颠覆了之前三维视觉的进建范式 ，并揭示了三维视觉的 Bitter Lesson：我们其实齐全不必要针对特定三维视觉工作报答设计复杂的架构、损失函数及数据加强。通过单一的视觉说话建模 + scale 数据就可能达到同样的成效 ，并且于其他非三维视觉工作在统一的说话模型训练框架下齐全兼容。这使得三维视觉不再必要与视觉说话模型的大规模预训练分离 ，同时我们可能使用同样的方式来实现三维视觉的 scaling law。
同时 VLM? 的成功也意味着三维视觉的进建远比我们设想中的要容易：除开不必要特殊架构、损失函数等 ，我们甚至能够不依赖回归（regression）来学会 fine-grained 3D understanding ，这在之前的工作中是不能思议的 ，由于在陆续的输出空间进行回归是绝大无数三维视觉模型的主题设计。
VLM? 沉新界说了三维视觉的最佳进建范式：最单一的 generalist 架构如 VLM 及 scaling 就是最通用的三维视觉范式！从前三维视觉领域普遍选取的报答的 task-specific 的设计并非必须。
这将极大水平地简化三维基础模型的构建。通过将三维视觉工作融入视觉说话模型的预训练 ，我们也能有效地兼容三维视觉与其它视觉工作 ，并将 VLM 的优势 ，及矫捷性与泛化性从语义及二维视觉工作有效拓展至三维视觉 ，极大水平提升模型的能力上限。
VLM? 的出现 ，初次买通了视觉说话模型与三维视觉之间的壁垒 ，使得统一的架构就可能简洁地学会各类视觉工作 ，并达到专家模型的机能。这既是科研层面的里程碑 ，也为未来在现实系统中统一多模态推理能力提供了可能。我们等待 VLM? 后续在机械人、自动驾驶、加强现实等场景中的落地利用。
《《再次十八岁》韩剧》如果说沟通场景解决的是组织内部信息如何更顺畅地流动，那么增长场景面对的则是另一个更直接的问题：企业如何更高效地找到客户、理解客户，并持续创造增长。当天一个来自业务端的数据同样值得关注。腾讯云总经理、TokenHub负责人高航在大会期间披露，腾讯云大模型服务平台TokenHub上线3个月，保持每月翻倍的增长态势，目前日Token消耗量已突破5万亿。这个数字从侧面印证了姚顺雨的判断。《《再次十八岁》韩剧》《韩剧《夫妻的世界》》近日，正在美国备战2026年世界杯的英格兰代表队后卫尼科-奥赖利接受了英格兰队官方节目《雄狮之巢》的专访。在采访中，这位年仅21岁的年轻球员谈到了自己上赛季在曼城的表现、首次入选代表队的心情，以及即将到来的世界杯备战情况。广电总局广播电视社会组织联合会副会长兼经纪人委员会会长，广电总局宣传司和电视剧司原司长高长力指出，行业现状是高产低质、有量无魂。“AI虽然解决了制作问题，但还没有解决创作问题。AI基于语料库生成内容，无法触及真实生活中各个角落生动的东西。AI越发展，创作者越要向下生活，AI取代不了人对生活的体验。”
20260610 ? 《《再次十八岁》韩剧》谈到尤文图斯，卡佩罗表示：“斯帕莱蒂做得不错，他给球队带来了想法，也帮助一些球员成长。但看到尤文在场上这么缺少个性，还是让人觉得奇怪。他们缺少那种能在场上把全队喊醒的领袖。”《男主(出轨)后沉迷》谈到对球员提出的新要求，以及更喜欢上半场还是下半场时，马丁内斯表示：“两个半场我都满意，但上半场我们需要更高的效率。我们进入禁区的方式不错，但禁区内接应的人还不够。我们有一次击中门柱，定位球执行得也不错。下半场，球队展现出了求胜欲望。能够通过运动战打进两个球，这是一个很积极的信号。
20260610 ? 《《再次十八岁》韩剧》第36分钟，C罗单刀破门被吹越位。半场补时3分钟，双方爆发激烈冲突，莱奥和智利球员伊万-罗曼分别吃到红牌被罚下。第58分钟，贡萨洛-格德斯前插巧射远角，帮助葡萄牙打破僵局。第75分钟，B费弧顶前跟进兜射世界波，帮助葡萄牙扩大优势。补时第2分钟，卢卡斯-塞佩达弧顶穿裆低射破门，为智利扳回一城。九一麻花传剧免费旁观2023年上映-百度现在一切都变了。虽然选举结果仍有待确认，但情况可能突然发生变化，因为穆里尼奥的偏好名单中有伯纳多-席尔瓦。尽管此前皇马高层和技术部门曾拒绝这笔操作，但这位教练的要求可能让计划出现调整。此前外界认为，伯纳多-席尔瓦的争夺会在巴萨和马竞之间展开。
京公网安备11010202000001号
