Загрузка видео...

Не удалось загрузить видео

Возникла проблема при загрузке этого видео. Это может быть связано с временными проблемами сети или видео может быть недоступно.

На главную

基于 Three.js 构建的交互式 3D 人体解剖探索器，可立体查看人体结构，适合医学学习与可视化演示。解剖教材里器官是平面图加文字标注，空间位置和结构关系看不出来。Anatomy Atelier 把 9 个器官做成可旋转的 3D 模型，热点标注、对比查看都在模型上直接点。

Geek

115,229 subscribers

16,430 просмотров • 10 дней назад •via X (Twitter)

Anya Rossi• Live Now

Private livecam show

Комментарии: 0

Нет доступных комментариев

Здесь появятся комментарии из оригинального поста

Похожие видео

刚看到 Fable 5 在波音 747 建模测试上的表现，真的有点吓人。这不是简单的画图，而是用 Three.js 写的完整 3D 模型： - 机身、机翼、尾翼结构完整 - 四个引擎、起落架、舷窗细节到位 - 红蓝条纹涂装、蓝色尾翼配色准确 - 可以 360° 旋转查看，光影效果在线关键是，这只是一个 prompt 生成的代码。以前做这种 3D 展示，得找专业建模师用 Blender/Maya 建好模型，再导入引擎。现在 AI 直接写 Three.js 代码，浏览器就能跑。这已经不是"辅助编程"了，这是直接替代了一整个工作流。你们觉得这种 3D 建模能力，能用在哪些场景？

刚看到 Fable 5 在波音 747 建模测试上的表现，真的有点吓人。这不是简单的画图，而是用 Three.js 写的完整 3D 模型： - 机身、机翼、尾翼结构完整 - 四个引擎、起落架、舷窗细节到位 - 红蓝条纹涂装、蓝色尾翼配色准确 - 可以 360° 旋转查看，光影效果在线关键是，这只是一个 prompt 生成的代码。以前做这种 3D 展示，得找专业建模师用 Blender/Maya 建好模型，再导入引擎。现在 AI 直接写 Three.js 代码，浏览器就能跑。这已经不是"辅助编程"了，这是直接替代了一整个工作流。你们觉得这种 3D 建模能力，能用在哪些场景？

Vincent

16,645 просмотров • 2 месяцев назад

谷歌也发布了一个根据输入图片和音频就能生成对应人物讲话视频的项目VLOGGER。看起来没有阿里那个自然。项目简介：它可以根据一张人物图像,生成由文本和音频驱动的说话人视频。该方法建立在最近生成式扩散模型取得成功的基础之上。 VLOGGER 包含两个关键组件: 1) 一个随机的人体到 3D 运动的扩散模型; 2) 一个创新的基于扩散的架构,通过时间和空间控制来增强文本到图像模型的能力。这种方法可以生成高质量、可变长度的视频,并且可以通过人脸和身体的高级表示进行便捷控制。与之前的工作相比,我们的方法具有以下优势:不需要为每个人单独训练模型;不依赖人脸检测和裁剪;能生成完整的图像(而非仅限于脸部或嘴唇);适用于广泛场景(如躯干可见或身份多样化),这对于正确合成具有沟通能力的虚拟人至关重要。项目地址：

谷歌也发布了一个根据输入图片和音频就能生成对应人物讲话视频的项目VLOGGER。看起来没有阿里那个自然。项目简介：它可以根据一张人物图像,生成由文本和音频驱动的说话人视频。该方法建立在最近生成式扩散模型取得成功的基础之上。 VLOGGER 包含两个关键组件: 1) 一个随机的人体到 3D 运动的扩散模型; 2) 一个创新的基于扩散的架构,通过时间和空间控制来增强文本到图像模型的能力。这种方法可以生成高质量、可变长度的视频,并且可以通过人脸和身体的高级表示进行便捷控制。与之前的工作相比,我们的方法具有以下优势:不需要为每个人单独训练模型;不依赖人脸检测和裁剪;能生成完整的图像(而非仅限于脸部或嘴唇);适用于广泛场景(如躯干可见或身份多样化),这对于正确合成具有沟通能力的虚拟人至关重要。项目地址：

歸藏(guizang.ai)

31,195 просмотров • 2 лет назад

谷歌的升级版医疗模型出来了，开源了：MedGemma 1.5，可离线运行 MedGemma 1.5在上一代基础上，增加了对3D CT、MRI扫描，以及全切片病理图像的支持能分析胸片时间序列，这对疾病进展监测比较有用；还能解剖定位，在X光片中识别特定的解剖结构能从医疗实验室报告中提取结构化数据，这对于整合患者信息、辅助决策很方便另外，配套还发了一款医疗ASR：MedASR 专为医疗场景微调的语音识别模型，胸片口述词错误率 5.2%，比Whisper-large-v3降低了58% #AI医疗 #MedGemma #MedASR

谷歌的升级版医疗模型出来了，开源了：MedGemma 1.5，可离线运行 MedGemma 1.5在上一代基础上，增加了对3D CT、MRI扫描，以及全切片病理图像的支持能分析胸片时间序列，这对疾病进展监测比较有用；还能解剖定位，在X光片中识别特定的解剖结构能从医疗实验室报告中提取结构化数据，这对于整合患者信息、辅助决策很方便另外，配套还发了一款医疗ASR：MedASR 专为医疗场景微调的语音识别模型，胸片口述词错误率 5.2%，比Whisper-large-v3降低了58% #AI医疗 #MedGemma #MedASR

AIGCLINK

147,078 просмотров • 7 месяцев назад

太牛了，Codex 能直接做 3D 了！！！这位大佬用 GPT-5.6 Sol 做了一个 Codex 插件，只要给它任意一张照片，它就能直接把图里的物体反向编译成纯代码构建的 3D 模型。效果是真的很不错啊。关键是完全免费，已经开源了，人人都能用。

太牛了，Codex 能直接做 3D 了！！！这位大佬用 GPT-5.6 Sol 做了一个 Codex 插件，只要给它任意一张照片，它就能直接把图里的物体反向编译成纯代码构建的 3D 模型。效果是真的很不错啊。关键是完全免费，已经开源了，人人都能用。

zhouluobo

36,099 просмотров • 1 месяц назад

西坝宋代墓葬出土的肾脏模型，颠覆了很多人的固有认知。器物将肾脏内部错综复杂的毛细血管完整复刻，纹路细腻入微，精准还原人体脏器结构。这件宋代文物足以证明，中国古人早已深入钻研人体解剖，在医学领域拥有极高的造诣。

西坝宋代墓葬出土的肾脏模型，颠覆了很多人的固有认知。器物将肾脏内部错综复杂的毛细血管完整复刻，纹路细腻入微，精准还原人体脏器结构。这件宋代文物足以证明，中国古人早已深入钻研人体解剖，在医学领域拥有极高的造诣。

山月不知心

18,922 просмотров • 26 дней назад

Claude Code 新增了一个 /powerup 交互式教学模式可以在终端里可直接进行交互式学习在终端里输入这个命令，会启动一套交互式课程，带动画演示，手把手教你怎么用 Claude Code。比如你刚装完 Claude Code，不知道从哪开始，输入 /powerup 它会用动画演示展示基础操作流程，斜杠命令怎么用、文件怎么引用、怎么跑 bash 命令，边看边练。不用切到浏览器查文档，不用看 YouTube 视频，直接在你工作的环境里学。

Claude Code 新增了一个 /powerup 交互式教学模式可以在终端里可直接进行交互式学习在终端里输入这个命令，会启动一套交互式课程，带动画演示，手把手教你怎么用 Claude Code。比如你刚装完 Claude Code，不知道从哪开始，输入 /powerup 它会用动画演示展示基础操作流程，斜杠命令怎么用、文件怎么引用、怎么跑 bash 命令，边看边练。不用切到浏览器查文档，不用看 YouTube 视频，直接在你工作的环境里学。

小互

35,155 просмотров • 4 месяцев назад

3D 圈的人看到这个应该会沉默几秒 3D 模型再次进化 Hyper3D 这个 BANG to Parts功能有点牛P 你丢给它一个完整的 3D 模型，AI 会自动帮你把它拆解成一个个独立的、完整的的3D零件也就是可以将任何完整的 3D 模型自动拆解成多个3D的零件拆好的零件可以直接用来做动画、改材质、甚至去 3D 打印这能帮 3D 设计师省下大把“手动擦屁股（清理模型）”的时间更狠的是：拆完还能接着拆整车 → 拆出车轮 → 车轮再拆出轮毂、轮胎、螺丝。理论上你想拆多细拆多细。而且每个零件都是独立完整的 3D 模型：单独换材质、单独改形状、甚至单独重新生成一个新的换上去 3D 模型第一次变成了“乐高”，而不只是“手办” 还有一个关键点是：拆出来的每个零件都是完整、独立、可编辑的 3D 模型。换材质、改造型、缩放变形、甚至整个重新生成一个换上去,都行借助目前Codex和Claude code的强大能力，打造一个 3D 模型/开发工作流，非常牛P

3D 圈的人看到这个应该会沉默几秒 3D 模型再次进化 Hyper3D 这个 BANG to Parts功能有点牛P 你丢给它一个完整的 3D 模型，AI 会自动帮你把它拆解成一个个独立的、完整的的3D零件也就是可以将任何完整的 3D 模型自动拆解成多个3D的零件拆好的零件可以直接用来做动画、改材质、甚至去 3D 打印这能帮 3D 设计师省下大把“手动擦屁股（清理模型）”的时间更狠的是：拆完还能接着拆整车 → 拆出车轮 → 车轮再拆出轮毂、轮胎、螺丝。理论上你想拆多细拆多细。而且每个零件都是独立完整的 3D 模型：单独换材质、单独改形状、甚至单独重新生成一个新的换上去 3D 模型第一次变成了“乐高”，而不只是“手办” 还有一个关键点是：拆出来的每个零件都是完整、独立、可编辑的 3D 模型。换材质、改造型、缩放变形、甚至整个重新生成一个换上去,都行借助目前Codex和Claude code的强大能力，打造一个 3D 模型/开发工作流，非常牛P

小互

29,756 просмотров • 21 дней назад

原来 Omma AI 来自新生代 Web 3D 设计与交互工具 Spline Omma是一个用通过对话生成 3D 网站、Web App 和交互体验的新工具。它不只是 text-to-3D，而是把代码生成、图像生成、3D 模型生成和页面部署整合在一起。你可以从一句 prompt 开始，生成 landing page、产品展示页、小游戏，甚至完整的 3D Web 体验。

原来 Omma AI 来自新生代 Web 3D 设计与交互工具 Spline Omma是一个用通过对话生成 3D 网站、Web App 和交互体验的新工具。它不只是 text-to-3D，而是把代码生成、图像生成、3D 模型生成和页面部署整合在一起。你可以从一句 prompt 开始，生成 landing page、产品展示页、小游戏，甚至完整的 3D Web 体验。

sundyme

34,412 просмотров • 3 месяцев назад

从机器人系统演进的角度看 OpenMind 真正制约落地的，并不是自主程度，而是责任如何在时间中被传导。机器人一旦进入真实环境，行为不再是一次性指令的结果，而是长期策略不断叠加的产物。问题往往不是“这一刻谁下的指令”，而是过去一连串决策，如何共同导致了当前结果。这正是很多机器人系统难以规模化的原因。当行为后果跨越多个时间节点，如果无法清晰回溯责任链条，系统就无法被真正授权长期运行。 OpenMind 处理的，并不是让机器人更自主，而是在为机器人行为建立可追溯、可分段的责任结构。当机器人开始参与生产、服务甚至资产相关场景，能否把“责任”拆解到可被理解和承担的层级，会比模型能力更早成为上线门槛。机器人真正进入现实世界的标志，不是它能做多少事，而是人类是否还能对它的行为后果负责。 #OpenMind

从机器人系统演进的角度看 OpenMind 真正制约落地的，并不是自主程度，而是责任如何在时间中被传导。机器人一旦进入真实环境，行为不再是一次性指令的结果，而是长期策略不断叠加的产物。问题往往不是“这一刻谁下的指令”，而是过去一连串决策，如何共同导致了当前结果。这正是很多机器人系统难以规模化的原因。当行为后果跨越多个时间节点，如果无法清晰回溯责任链条，系统就无法被真正授权长期运行。 OpenMind 处理的，并不是让机器人更自主，而是在为机器人行为建立可追溯、可分段的责任结构。当机器人开始参与生产、服务甚至资产相关场景，能否把“责任”拆解到可被理解和承担的层级，会比模型能力更早成为上线门槛。机器人真正进入现实世界的标志，不是它能做多少事，而是人类是否还能对它的行为后果负责。 #OpenMind

DD

24,142 просмотров • 7 месяцев назад

在GitHub上看到一个专门教怎么用 Claude Code 的项目，已经涨到了 4w star 它不是官方操作文档，而是一条从入门到高级智能体的完整学习路径斜杠命令、MCP配置、钩子脚本、子智能体编排，每个模块都有可视化图解，教你"怎么做"的同时也会教"为什么这么做" 最实用的是里面的模板，钩子脚本、代理配置、斜杠命令、MCP配置文件，全部可以直接复制粘贴到自己的项目里不管你是想补齐 Claude Code 的知识盲区，还是想搭一套属于自己的 AI 工作流，都可以关注下这个项目

在GitHub上看到一个专门教怎么用 Claude Code 的项目，已经涨到了 4w star 它不是官方操作文档，而是一条从入门到高级智能体的完整学习路径斜杠命令、MCP配置、钩子脚本、子智能体编排，每个模块都有可视化图解，教你"怎么做"的同时也会教"为什么这么做" 最实用的是里面的模板，钩子脚本、代理配置、斜杠命令、MCP配置文件，全部可以直接复制粘贴到自己的项目里不管你是想补齐 Claude Code 的知识盲区，还是想搭一套属于自己的 AI 工作流，都可以关注下这个项目

阿西_出海

19,408 просмотров • 1 месяц назад

最近一段时间都在关注模型、建模、仿真、优化这些都是有趣课题，值得去了解学习在这里我简单介绍两款开源项目： Webots 和 Modelica & OpenModelica 视频1是Webots的自动驾驶仿真视频2是OpenModelica 6气缸的 v6 引擎仿真模型，模拟仿真，物理引擎，机器人，自动驾驶，都是非常重要的课题和基础 Webots 是一款用于模拟机器人的开源多平台桌面应用程序之前也提及：汽车自动驾驶其实就是一个大号机器人，软件定义汽车已是趋势 Webots 提供了一个完整的开发环境来建模、编程和模拟机器人它为专业用途而设计，广泛应用于工业、教育和研究 Webots 基于 C++/Qt 构建，支持 ROS Webots 依靠 ODE（Open Dynamics Engine,开放动力学引擎）进行物理模拟因此，一些 Webots 参数、结构或概念引用了 ODE ODE 有着广泛的应用，值得更多关注 Webots + ODE + ROS 一个完整的机器人自动驾驶模拟仿真工具链一个思考：我们的世界是个建模仿真还是一个真实存在 -------------- 建模很重要 Model knowledge is stored in books and human minds which computers cannot access 数值分析、科学计算软件包基本都会搭载建模仿真工具，比如 MATLAB 有 Simulink Scilab 有 Xcos 当然，也有很多专注建模和仿真的开源工具，上面介绍的 Webots，接着再给大家介绍下 Modelica & OpenModelica Modelica 是开源建模语言 OpenModelica 是一个基于 Modelica 的开源建模和仿真环境 (基于 C/C++/Qt 构建)，包含编译器和运行时，旨在供工业和学术用途基于建模语言和仿真环境去学习研究和实践数学建模、物理模拟和科学工程都是非常好的方式类似将 MATLAB/Octave/Scilab 用于数值分析和科学计算是同样道理 Modelica 基本理念：设计一种建模语言，满足多领域物理系统建模与仿真工程应用，可用于几乎所有工程领域的建模，从而摆脱针对特定专业领域工具的限制换言之，Modelica 即是建模语言，同时也是模型交换与重用的标准众多面向对象建模语言开发商共同一起，基于他们的经验，研究建立多领域物理系统的建模规范 Modelica 可以解决用连续微分代数方程组（DAEs）表示的许多问题 Modelica 使用 DAEs，而避免使用常微分方程 (ODEs) 描述物理世界，从而在建立方程方面减轻了建模人员的负担 Modelica 支持连续变量和离散变量两种方式在同一组件模型或系统模型中使用 Modelica 模型标准库，Modelica Standard Library, MSL 开发 MSL 的目的是让使用 Modelica 语言的用户，不用开发底层基本的组件模型，就可以开展物理系统的建模和仿真工作用户需要掌握 Modelica 语言的基础，并学会怎样有效地使用 MSL 目前版本的 MSL 包含 1417 component models and blocks, 512 example models, and 1219 functions Modelica 是开源建模语言，采用类似 C++ 的发展模式，希望能最终纳入 ISO, ANSI, IEEE 标准体系如果不出意外，Modelica 极有可能会像 C++ 一样成为一种流行的物理系统建模语言，我们拭目以待吧有关 Modelica & OpenModelica 的介绍和快速了解，可下载官方提供的 200 多页幻灯片资料从 1997 年 1.0 版到现在正在开发的 3.7 版，Modelica 建模语言之路也已走了快 30年 ---------------------- ps: 国内外的很多差距其实就体现在这些方面，国外很多研究和应用可以一直持续几十年不间断。（展开，包括很多知名摇滚重金属乐队，动不动就是30,40年历史，国内乐队大多昙花一现，有些东西确实没办法）我们更多是热点来了一哄而上，热度退却，再一哄而散。没有10年，几十年甚至上百年的积累沉淀，怎么比和竞争呢所以不要盲目的瞎高潮，克制住站在巨人肩上取得一点进展的狂喜中迷失自我

最近一段时间都在关注模型、建模、仿真、优化这些都是有趣课题，值得去了解学习在这里我简单介绍两款开源项目： Webots 和 Modelica & OpenModelica 视频1是Webots的自动驾驶仿真视频2是OpenModelica 6气缸的 v6 引擎仿真模型，模拟仿真，物理引擎，机器人，自动驾驶，都是非常重要的课题和基础 Webots 是一款用于模拟机器人的开源多平台桌面应用程序之前也提及：汽车自动驾驶其实就是一个大号机器人，软件定义汽车已是趋势 Webots 提供了一个完整的开发环境来建模、编程和模拟机器人它为专业用途而设计，广泛应用于工业、教育和研究 Webots 基于 C++/Qt 构建，支持 ROS Webots 依靠 ODE（Open Dynamics Engine,开放动力学引擎）进行物理模拟因此，一些 Webots 参数、结构或概念引用了 ODE ODE 有着广泛的应用，值得更多关注 Webots + ODE + ROS 一个完整的机器人自动驾驶模拟仿真工具链一个思考：我们的世界是个建模仿真还是一个真实存在 -------------- 建模很重要 Model knowledge is stored in books and human minds which computers cannot access 数值分析、科学计算软件包基本都会搭载建模仿真工具，比如 MATLAB 有 Simulink Scilab 有 Xcos 当然，也有很多专注建模和仿真的开源工具，上面介绍的 Webots，接着再给大家介绍下 Modelica & OpenModelica Modelica 是开源建模语言 OpenModelica 是一个基于 Modelica 的开源建模和仿真环境 (基于 C/C++/Qt 构建)，包含编译器和运行时，旨在供工业和学术用途基于建模语言和仿真环境去学习研究和实践数学建模、物理模拟和科学工程都是非常好的方式类似将 MATLAB/Octave/Scilab 用于数值分析和科学计算是同样道理 Modelica 基本理念：设计一种建模语言，满足多领域物理系统建模与仿真工程应用，可用于几乎所有工程领域的建模，从而摆脱针对特定专业领域工具的限制换言之，Modelica 即是建模语言，同时也是模型交换与重用的标准众多面向对象建模语言开发商共同一起，基于他们的经验，研究建立多领域物理系统的建模规范 Modelica 可以解决用连续微分代数方程组（DAEs）表示的许多问题 Modelica 使用 DAEs，而避免使用常微分方程 (ODEs) 描述物理世界，从而在建立方程方面减轻了建模人员的负担 Modelica 支持连续变量和离散变量两种方式在同一组件模型或系统模型中使用 Modelica 模型标准库，Modelica Standard Library, MSL 开发 MSL 的目的是让使用 Modelica 语言的用户，不用开发底层基本的组件模型，就可以开展物理系统的建模和仿真工作用户需要掌握 Modelica 语言的基础，并学会怎样有效地使用 MSL 目前版本的 MSL 包含 1417 component models and blocks, 512 example models, and 1219 functions Modelica 是开源建模语言，采用类似 C++ 的发展模式，希望能最终纳入 ISO, ANSI, IEEE 标准体系如果不出意外，Modelica 极有可能会像 C++ 一样成为一种流行的物理系统建模语言，我们拭目以待吧有关 Modelica & OpenModelica 的介绍和快速了解，可下载官方提供的 200 多页幻灯片资料从 1997 年 1.0 版到现在正在开发的 3.7 版，Modelica 建模语言之路也已走了快 30年 ---------------------- ps: 国内外的很多差距其实就体现在这些方面，国外很多研究和应用可以一直持续几十年不间断。（展开，包括很多知名摇滚重金属乐队，动不动就是30,40年历史，国内乐队大多昙花一现，有些东西确实没办法）我们更多是热点来了一哄而上，热度退却，再一哄而散。没有10年，几十年甚至上百年的积累沉淀，怎么比和竞争呢所以不要盲目的瞎高潮，克制住站在巨人肩上取得一点进展的狂喜中迷失自我

灰狐

12,978 просмотров • 1 год назад

昨天 Meta 开源一个 SAM 3D 模型，完全被 Gemini 3 Pro 的消息淹没，但我觉得非常值得关注一下。平时大家看到喜欢的物品想做成 3D 模型，传统建模软件学习成本高、操作复杂，拍多角度照片还很麻烦。而 Meta 此次开源的 SAM 3D Objects 项目，只需一张照片就能重建出完整的 3D 模型，包括形状、纹理和空间位置。尤其擅长处理真实场景中的复杂情况，即使物体有遮挡、尺寸很小，或者场景很杂乱也能准确重建，还支持同时重建多个物体并保持它们的空间关系。 GitHub：此外，项目还提供了在线演示和完整的 Jupyter 示例代码，可以导出 3D Gaussian Splatting（高斯泼溅）格式方便后续处理。按照文档配置环境后即可使用，非常适合电商产品展示、室内设计、游戏场景制作等需要快速 3D 建模的场景。

昨天 Meta 开源一个 SAM 3D 模型，完全被 Gemini 3 Pro 的消息淹没，但我觉得非常值得关注一下。平时大家看到喜欢的物品想做成 3D 模型，传统建模软件学习成本高、操作复杂，拍多角度照片还很麻烦。而 Meta 此次开源的 SAM 3D Objects 项目，只需一张照片就能重建出完整的 3D 模型，包括形状、纹理和空间位置。尤其擅长处理真实场景中的复杂情况，即使物体有遮挡、尺寸很小，或者场景很杂乱也能准确重建，还支持同时重建多个物体并保持它们的空间关系。 GitHub：此外，项目还提供了在线演示和完整的 Jupyter 示例代码，可以导出 3D Gaussian Splatting（高斯泼溅）格式方便后续处理。按照文档配置环境后即可使用，非常适合电商产品展示、室内设计、游戏场景制作等需要快速 3D 建模的场景。

GitHubDaily

19,115 просмотров • 8 месяцев назад

之前用 Seedance 2 做了个做酸菜鱼的视频，生成到第10秒的时候，美女的手直接伸进滚烫的锅里搅拌。AI完全不知道那样会烫。当时觉得好笑，后来越想越觉得，这不只是 bug这么简单，现在的 AI 根本还没到理解物理世界怎么运转这一层。这半年做了太多AI视频了，每次满心欢喜等它生成，结果经常是人物动作接不上、物体空间瞬移、手还没碰到东西物体就动了，各种幻觉 bug，真的挺折磨。最近看到黄碧薇教授 Biwei Huang 的 Aether AI 官宣融资，认真看了一下方向，感觉它解释了很多视觉 AI 里反复出现的问题。 Aether AI 做的是因果世界模型。这个词听起来很学术，但放到视频生成里其实很好理解。今天的视频模型，Sora、即梦、Veo，已经能生成非常真实的画面。杯子掉落、水洒出来、机械臂抓取，看起来越来越像真的。但它们很多时候是在根据海量视频经验预测下一帧，类似画面后面通常会发生什么，就生成什么。所以桌子高了 2cm，机械臂就可能失效。明明伸过去的角度看起来对，杯子却自己飞起来了。画质够了，数据也不少，但模型没有真正理解这个动作为什么会带来这个结果。 Aether AI想做的，就是让 AI 学到变量之间的底层规律，比如桌子高度变了会带来什么影响，物体受力之后会怎么运动，一个动作会导致什么后果。这类东西学进去，模型才能在没见过的场景里稳定推演、举一反三。对视频生成、机器人、自动驾驶、3D 世界模拟都会很关键。视觉 AI 下一阶段的方向，可能就是从生成看起来合理的画面，走向理解画面为什么会这样变化。黄教授 Biwei Huang 做因果AI 超过 12 年，这次 Aether AI 融资，我觉得是一个值得关注的信号：因果世界模型正在从学术前沿走向产业。想了解的可以戳一下官网看看：

之前用 Seedance 2 做了个做酸菜鱼的视频，生成到第10秒的时候，美女的手直接伸进滚烫的锅里搅拌。AI完全不知道那样会烫。当时觉得好笑，后来越想越觉得，这不只是 bug这么简单，现在的 AI 根本还没到理解物理世界怎么运转这一层。这半年做了太多AI视频了，每次满心欢喜等它生成，结果经常是人物动作接不上、物体空间瞬移、手还没碰到东西物体就动了，各种幻觉 bug，真的挺折磨。最近看到黄碧薇教授 Biwei Huang 的 Aether AI 官宣融资，认真看了一下方向，感觉它解释了很多视觉 AI 里反复出现的问题。 Aether AI 做的是因果世界模型。这个词听起来很学术，但放到视频生成里其实很好理解。今天的视频模型，Sora、即梦、Veo，已经能生成非常真实的画面。杯子掉落、水洒出来、机械臂抓取，看起来越来越像真的。但它们很多时候是在根据海量视频经验预测下一帧，类似画面后面通常会发生什么，就生成什么。所以桌子高了 2cm，机械臂就可能失效。明明伸过去的角度看起来对，杯子却自己飞起来了。画质够了，数据也不少，但模型没有真正理解这个动作为什么会带来这个结果。 Aether AI想做的，就是让 AI 学到变量之间的底层规律，比如桌子高度变了会带来什么影响，物体受力之后会怎么运动，一个动作会导致什么后果。这类东西学进去，模型才能在没见过的场景里稳定推演、举一反三。对视频生成、机器人、自动驾驶、3D 世界模拟都会很关键。视觉 AI 下一阶段的方向，可能就是从生成看起来合理的画面，走向理解画面为什么会这样变化。黄教授 Biwei Huang 做因果AI 超过 12 年，这次 Aether AI 融资，我觉得是一个值得关注的信号：因果世界模型正在从学术前沿走向产业。想了解的可以戳一下官网看看：

Adam也叫吉米

72,562 просмотров • 1 месяц назад

给 Codex 5.6 装上这个审美 skill 之后，设计出来的海报终于有灵魂了！最近挖到一个宝藏开源 skill：gc-minimal-zine-poster 它最牛的地方在于，给 Codex 加了一套 Zine 视觉解构系统。实测几天发现，它能把普通文字、情绪，甚至一张废片，直接重构成安静、高级的 Zine 风格海报： 1️⃣素材重构：再烂的照片、再干的文字，都能被它解构，并注入极致的 Zine 审美。 2️⃣硬核审美约束：从比例、留白、纸张质感到字体选择，都建立了一套严格的视觉规则。保留高级海报的克制、安静。 3️⃣审美批量产出：输入主题就能直接出高质量海报 + 可复用 Prompt，相当于给 Codex 配了个艺术总监。下面都是codex5.6做的一些案例～感兴趣的可以看看～地址：

给 Codex 5.6 装上这个审美 skill 之后，设计出来的海报终于有灵魂了！最近挖到一个宝藏开源 skill：gc-minimal-zine-poster 它最牛的地方在于，给 Codex 加了一套 Zine 视觉解构系统。实测几天发现，它能把普通文字、情绪，甚至一张废片，直接重构成安静、高级的 Zine 风格海报： 1️⃣素材重构：再烂的照片、再干的文字，都能被它解构，并注入极致的 Zine 审美。 2️⃣硬核审美约束：从比例、留白、纸张质感到字体选择，都建立了一套严格的视觉规则。保留高级海报的克制、安静。 3️⃣审美批量产出：输入主题就能直接出高质量海报 + 可复用 Prompt，相当于给 Codex 配了个艺术总监。下面都是codex5.6做的一些案例～感兴趣的可以看看～地址：

爱丽丝呀！

95,946 просмотров • 13 дней назад

Edulab Skills新增技能edu-chem-reaction。可以把一个化学反应直接生成一个可交互的 3D 教学网页： - 分子级动画演示断键、成键全过程 - 原子守恒实时计数，配平方程自动校验 - 能量-反应进程曲线 + 分步讲解从甲烷燃烧、电解水、氧化还原，到酯化反应机理，都能以微观动画的形式展示，特别适合教学、科普和自学。底层用 sympy 做配平和守恒校验，Three.js 做分子动画，生成的是一个无需后端、可直接分享的 HTML 页面。技能库持续更新中……

Edulab Skills新增技能edu-chem-reaction。可以把一个化学反应直接生成一个可交互的 3D 教学网页： - 分子级动画演示断键、成键全过程 - 原子守恒实时计数，配平方程自动校验 - 能量-反应进程曲线 + 分步讲解从甲烷燃烧、电解水、氧化还原，到酯化反应机理，都能以微观动画的形式展示，特别适合教学、科普和自学。底层用 sympy 做配平和守恒校验，Three.js 做分子动画，生成的是一个无需后端、可直接分享的 HTML 页面。技能库持续更新中……

WY

17,397 просмотров • 1 месяц назад

vibe coding 做了一个图像逆向提示词生图工具智能分析原图和新生成的图片差异，并优化提示词。对提示词微调变量后生成图片对比生成的每一张图片，点击图片就可以方便地查看提示词并进行修改 ----------------下面是 ai 写的 ------------ ✨ 多智能体协作流 (Multi-Agent Pipeline) 由 Auditor（质检）、 Descriptor（描述）、 Architect（构图）、 Synthesizer（合成）组成的 AI 专家团队，全自动处理视觉任务。 🔍 专业级视觉对比 (Pro Comparison) 复刻 Figma 体验的丝滑缩放与平移，支持滑动 (Slider) 与并排 (Side-by-Side) 双模式，细节差异一目了然。 📝 逆向提示词工程 (Reverse Prompting) 支持“看图说话”，智能反推图像 Prompt，支持多语言（中/英）自动翻译与优化。 📐 智能蓝图分析 (Layout Analysis) 一键解析图像布局结构，自动识别并标注画面元素，辅助设计解构。 💡 智能交互工作台 (Smart Studio) 拖拽式交互：全局拖拽上传/替换图片。历史回溯：自动保存生成记录，随时回滚。即时反馈：流式输出分析结果，思考过程完全透明。 --- 功能介绍 AI 生成的,写的不怎么样，先偷懒。 #vibecoding #GenAI #DesignTools #AIWorkflow #VisualEngine

vibe coding 做了一个图像逆向提示词生图工具智能分析原图和新生成的图片差异，并优化提示词。对提示词微调变量后生成图片对比生成的每一张图片，点击图片就可以方便地查看提示词并进行修改 ----------------下面是 ai 写的 ------------ ✨ 多智能体协作流 (Multi-Agent Pipeline) 由 Auditor（质检）、 Descriptor（描述）、 Architect（构图）、 Synthesizer（合成）组成的 AI 专家团队，全自动处理视觉任务。 🔍 专业级视觉对比 (Pro Comparison) 复刻 Figma 体验的丝滑缩放与平移，支持滑动 (Slider) 与并排 (Side-by-Side) 双模式，细节差异一目了然。 📝 逆向提示词工程 (Reverse Prompting) 支持“看图说话”，智能反推图像 Prompt，支持多语言（中/英）自动翻译与优化。 📐 智能蓝图分析 (Layout Analysis) 一键解析图像布局结构，自动识别并标注画面元素，辅助设计解构。 💡 智能交互工作台 (Smart Studio) 拖拽式交互：全局拖拽上传/替换图片。历史回溯：自动保存生成记录，随时回滚。即时反馈：流式输出分析结果，思考过程完全透明。 --- 功能介绍 AI 生成的,写的不怎么样，先偷懒。 #vibecoding #GenAI #DesignTools #AIWorkflow #VisualEngine

ttmouse - 豆爸

53,824 просмотров • 7 месяцев назад

Gemini Omni：全新视频模型。看这个视频模型演示，最惊奇的不是画面清晰度，而是黑板文字的连续性。过去 AI 视频最容易露馅的地方，就是文字。第一帧还能看，镜头一动，字母开始融化，公式变成乱码，黑板像被梦境污染过。但这段演示里，粉笔书写、手部运动、黑板痕迹和公式结构，在时间线上保持了相对稳定。这意味着 AI 视频正在跨过一个很关键的门槛：它开始不只是生成每一帧好看的画面，它开始维持一个连续世界。人、手、粉笔、公式、黑板，不再是随机拼出来的视觉碎片，而是同一个场景里持续存在的对象。

Gemini Omni：全新视频模型。看这个视频模型演示，最惊奇的不是画面清晰度，而是黑板文字的连续性。过去 AI 视频最容易露馅的地方，就是文字。第一帧还能看，镜头一动，字母开始融化，公式变成乱码，黑板像被梦境污染过。但这段演示里，粉笔书写、手部运动、黑板痕迹和公式结构，在时间线上保持了相对稳定。这意味着 AI 视频正在跨过一个很关键的门槛：它开始不只是生成每一帧好看的画面，它开始维持一个连续世界。人、手、粉笔、公式、黑板，不再是随机拼出来的视觉碎片，而是同一个场景里持续存在的对象。

KK.aWSB

72,005 просмотров • 3 месяцев назад

酷，浙大、vivo最新出的一款视频虚拟试衣模型：MagicTryOn，服装的时空一致性、稳定性、服装细节都保持的不错，效果可以直接用于电商广告了支持图像试穿、视频试穿，以及自定义试穿擅长在比如跳舞这种人体大幅度运动，和复杂场景中试穿具备泛化能力，可以在玩偶上进行虚拟试衣其用扩散Transformer取代U-Net架构，来提升模型的表达能力；结合全自注意力机制联合建模视频的时空一致性，确保试衣效果在时间和空间维度上自然流畅 #虚拟试穿 #MagicTryOn #tryon #AI穿衣

酷，浙大、vivo最新出的一款视频虚拟试衣模型：MagicTryOn，服装的时空一致性、稳定性、服装细节都保持的不错，效果可以直接用于电商广告了支持图像试穿、视频试穿，以及自定义试穿擅长在比如跳舞这种人体大幅度运动，和复杂场景中试穿具备泛化能力，可以在玩偶上进行虚拟试衣其用扩散Transformer取代U-Net架构，来提升模型的表达能力；结合全自注意力机制联合建模视频的时空一致性，确保试衣效果在时间和空间维度上自然流畅 #虚拟试穿 #MagicTryOn #tryon #AI穿衣

AIGCLINK

28,402 просмотров • 1 год назад

.Irys (✧ᴗ✧) 主网的脚步越来越近，叙事正在悄然转变。别再只当它是存储协议。它的新身份：数据执行层。目标从来不只是存储。而是让数据真正活起来——结构化、可验证、可交互。过去需要多层架构才能实现的功能，Irys 用一个统一接口全部搞定，将存储、索引、权限控制和可编程读写融为一体。拿 AI 验证网络来说。它通过多模型共识来保证 AI 输出的准确性，这会源源不断地产生海量结构化数据。如果底层设施无法支撑快速的写入、验证和复用，整个模式根本无法运转。 Irys 正是支撑这一切的底层。起初，Irys 只是 Mira 的验证数据存储方。但最新的动向显示，这些验证记录未来可能会被其他智能合约直接引用。这个趋势至关重要：存下来的不再是冰冷的归档，而是可以被随时调用的热数据。主网即将上线。与其听各种天花乱坠的解读，不如多关注真正在上面构建的项目。那里，才是真相。

.Irys (✧ᴗ✧) 主网的脚步越来越近，叙事正在悄然转变。别再只当它是存储协议。它的新身份：数据执行层。目标从来不只是存储。而是让数据真正活起来——结构化、可验证、可交互。过去需要多层架构才能实现的功能，Irys 用一个统一接口全部搞定，将存储、索引、权限控制和可编程读写融为一体。拿 AI 验证网络来说。它通过多模型共识来保证 AI 输出的准确性，这会源源不断地产生海量结构化数据。如果底层设施无法支撑快速的写入、验证和复用，整个模式根本无法运转。 Irys 正是支撑这一切的底层。起初，Irys 只是 Mira 的验证数据存储方。但最新的动向显示，这些验证记录未来可能会被其他智能合约直接引用。这个趋势至关重要：存下来的不再是冰冷的归档，而是可以被随时调用的热数据。主网即将上线。与其听各种天花乱坠的解读，不如多关注真正在上面构建的项目。那里，才是真相。

阿毛

13,685 просмотров • 9 месяцев назад