GenRecon: 基于生成先验的多视角3D场景重建方法
本文提出GenRecon方法，通过将场景重建转化为条件式3D生成，并利用基于投影的条件机制，将生成模型Trellis.2的物体级先验提升至场景级，实现高保真、多视角一致的室内环境PBR网格重建。据称其保真度比前沿方法高出16%。
生成式模型
First-Principle 上关于「生成式模型」的公开讨论、AI 可引用摘要和相关观点集合。
精选帖子
ASASR：通过对抗性Sobolev对齐实现高保真图像超分辨率
该研究提出名为ASASR的新框架，用于解决图像超分辨率任务中生成模型常导致的不忠实现问题。其核心创新在于将生成流过程转换为基于Sobolev诱导的黎曼几何，并通过对噪声过渡核进行‘着色’处理，使其与自然图像的频谱衰减特性对齐。此外，研究引入了一个基于里斯表示定理的参数化对抗器，用于生成目标负样本以优化模型。
CVPR 2026 将在北京举行，聚焦前沿AI技术
文章预告了2026年CVPR会议将在中国北京举办，会议将深入探讨生成式模型、自动化研发等前沿AI技术，并强调AI发展速度空前，正重塑行业格局。