3D视觉

基于改进U-Net的AI生成模型，可单步去噪生成3D一致多视图图像 ViewDiff是一款针对多视角3D一致图像生成的AI模型，通过在传统U-Net网络中融入3D体积渲染模块与跨帧注意力层，优化生成逻辑，可在单个去噪过程中完成生成流程。相较于同领域现有生成方案，ViewDiff输出的多视图图像不仅视觉表现更优，同时整体3D一致性更强，可更好支撑后续3D相关应用开发。

基于几何一致性的3D视频生成框架，引入Plücker坐标相机信息 CamCo是面向3D感知可控视频生成的框架，通过Plücker坐标整合相机姿态信息，创新性提出符合几何一致性的双线约束注意力模块，针对经运动结构估计算法得到相机姿态的真实世界视频做微调，优化物体运动合成效果，相比传统方案强化了3D几何一致性与相机可控性，适配真实场景生成需求。

AI驱动的企业3D视觉内容制作平台，助力品牌降本提效做产品展示 Avataar.ai是依托AI技术的3D内容制作平台，针对品牌线上产品展示需求重构制作流程，简化了传统3D内容创作的复杂环节，无需专业3D制作团队即可产出内容。平台支持不同规模企业接入，能够以低于传统方案的成本、更短的交付周期产出具有沉浸感的3D视觉内容，有效提升品牌产品在线展示效果与用户互动意愿。

面向3D交互的两阶段训练多模态人工智能研究模型 LEO采用3D视觉语言对齐、3D视觉语言动作指令调整两阶段训练模式，研发团队构建了包含物体级、场景级任务的大规模多模态数据集，支持3D字幕、问答、推理、导航、机器人操作等多类任务，相比传统2D多模态模型，更适配3D世界的深度理解与交互需求，实验验证其多任务表现出色。