北大團隊 DragMesh 被 IJCV 接收：拖拽一次即可生成 3D 關節運動
北京大學團隊的 DragMesh 被 IJCV 接收。使用者只需在已有 3D 資產上對目標部件拖拽一次，系統就能生成符合關節約束的完整運動軌跡，無需重新生成整個物體。方法上先用 KPP-Net 預測關節型別、軸與原點，再由 Dual Quaternion VAE 並行生成 16 幀軌跡，並通過跨模態語義蒙皮把同一套運動遷移到 Mesh 或 3D Gaussian Splatting。
它面向已有 3D 資產的區域性互動，跳過整體重生成，給出 78.8% 關節型別準確率與 120/85 FPS 實測資料並開原始碼，對 3D 資產、模擬與機器人場景的開發者有參考價值。
原標題：IJCV 2026｜北大团队提出DragMesh：一次拖拽，实现可交互的3D关节运动生成
閱讀原文
| 評分 | 62 / 65（平均 63，門檻 65） |
|---|---|
| 狀態 | 未入選 |
相關報導
TUM 提出 Tadpole：自編碼器預訓練 3D 物理基礎模型，線上學習免存 202TB 資料
慕尼黑工業大學團隊提出 Tadpole，用自編碼器而非預測下一時刻作為預訓練目標，先學三維物理場的通用表示，再遷移到重建、動力學預測與生成。預訓練採用線上學習，GPU 上的求解器即時生成資料直接送入訓練，累計使用約 202 TB 資料卻無需本地儲存，在高速 SSD 環境下整體速度約為離線方案的 1.8 倍。模型用隨機裁剪區域性區域統一不同變數數與解析度的資料，零樣本重建最高到 1024³；
北大、VGI Labs 等提出 DynStream：無位姿流式 4D 高斯重建框架
北京大學王選計算機研究所與 VGI Labs、UC Merced 聯合提出 DynStream，這是首個面向無位姿流式動態場景的大規模 4D 高斯前饋重建框架：輸入未提供相機位姿的 RGB 線上影片流，即可前饋輸出相機軌跡與持續更新的動態場景表示。方法按時間分塊做區域性重建，再借相對位姿預測與尺度因子把各塊聚合進統一世界座標系，併為高斯預測動態機率以分離動靜，聚合無需額外計算。
Meshy 不到兩年 ARR 從 100 萬增至 1 億美元
AI 3D 生成公司 Meshy 披露，其 ARR 從 100 萬美元增長至 1 億美元，用時不到兩年，比 HeyGen 的 29 個月更快。Meshy 7 在自建幾何對齊基準中造型比例、空間分佈、表面細節三項指標領先受測模型，7.1 將幾何生成解析度從 2048³ 提升至 4096³。三七互娛已將其接入生產流程，基礎模型階段雕刻工作量減少 30% 至 40%。
ReGDiff 讓擴散模型生成又合理又新穎的超材料結構
維吉尼亞理工與 Meta 的研究者在 NeurIPS 2026 提出 ReGDiff，用擴散模型生成超材料體素結構，以緩解「貼著訓練資料」與「生成碎塊廢件」之間的兩難。方法分兩步：先用 RAS 把自編碼器潛空間整理成好壞可分、覆蓋均勻的形態，再在取樣時對近處已知樣本施加短程排斥。團隊還補上桁架體素資料集 MetaTruss 和五項量化指標，相比最強基線，幾何合理性平均提升 8.9%、新穎性提升 46.4%、多樣性提升 128.6%，生成 1000 個結構約 31 秒。
ICML 2026：LabBuilder 從實驗描述生成安全可達的 3D 實驗室佈局
上海人工智慧實驗室、武大、北航、北大、清華等機構聯合提出的 LabBuilder 被 ICML 2026 收錄，它能把一段自由文字實驗描述端到端生成幾何合規、化學安全且機器人可達的 3D 實驗室佈局。系統由資產與協議編譯器 LabForge、層次化生成框架 LabGen 和四維評估基準 LabTouchstone 組成，資產知識庫收錄 176 類實驗室實體。在 30 個化學實驗協議上，其協議級導航成功率 FSR-Nav 達 0.966，是唯一支援該驗證的方案。