这年头学不会数理化，只能怪自己懒，谷歌NotebookLM上新，秒出科普视频（在新窗口打开）
最近，谷歌 NotebookLM 又出了个好玩好用的小功能：Cinematic Video Overviews（电影级视频概览）。与普通模板不同，这项功能可以根据我们上传的资料，自动生成定制化、沉浸式的视频讲解。
搜索
关于“Ema”的结果
共 27 篇
AAAI 2026 Oral | SplatSSC：解耦深度引导的高斯泼溅，开启单目语义场景补全高效新范式（在新窗口打开）
单目 3D 语义场景补全 (Semantic Scene Completion, SSC) 是具身智能与自动驾驶领域的一项核心技术，其目标是仅通过单幅图像预测出场景的密集几何结构与语义标签。
一张图生成任意场景3D模型，部分遮挡也不怕｜IDEA x 光影焕像联合开源（在新窗口打开）
IDEA研究院张磊团队与香港科技大学谭平团队联合推出SceneMaker框架，有望攻克这一问题。 它以视启未来的万物检测模型DINO-X与光影焕像的万物3D生成模型Triverse为基础，实现了从任意开放世界图像（室内/室外/合成图等）到带Mesh的3D场景的完整重建。
引入几何约束后，VLM跨越了「空间推理」的认知鸿沟（在新窗口打开）
现有的视觉大模型普遍存在「语义-几何鸿沟」（Semantic-to-Geometric Gap），不仅分不清东南西北，更难以处理精确的空间量化任务。例如问「你坐在沙发上时，餐桌在你的哪一侧？」，VLM 常常答错。
告别关键词高亮，语义高亮才是解决搜索 / Agent噪音的标准答案（在新窗口打开）
今天聊一聊怎么在RAG、agent场景中实现语义高亮（Semantic Highlight）。
少量视角也能得到完整3D几何，即插即用的语义增强重建插件来了（在新窗口打开）
直观经验却告诉我们，只要把同一物体的 “对应部分” 对齐，形状就会变得清晰。基于这一朴素而有效的直觉，作者提出SERES（Semantic-Aware Reconstruction from Sparse Views），在不改动主干框架的前提下，把跨视角的语义一致性变成一种训练期先验注入到模型里，用低成本的方法去解决高价值的歧义问题，让少量视角也能得到清晰而完整的几何。
SIGGRAPH Asia 2025｜电影级运镜一键克隆！港中文&快手可灵团队发布CamCloneMaster（在新窗口打开）
作为视频创作者，你是否曾梦想复刻《盗梦空间》里颠覆物理的旋转镜头，或是重现《泰坦尼克号》船头经典的追踪运镜？