Flex3D是一個兩階段流程，能夠從單張圖片或文本提示生成高質量的3D資產。該技術代表了3D重建領域的最新進展，可以顯著提高3D內容的生成效率和質量。Flex3D的開發得到了Meta的支持，並且團隊成員在3D重建和計算機視覺領域有著深厚的背景。

GameGen-O 是首個為生成開放世界視頻遊戲而定製的擴散變換模型。該模型通過模擬遊戲引擎的多種特性，如創新角色、動態環境、複雜動作和多樣化事件，實現了高質量、開放領域的生成。此外，它還提供了交互式可控性，允許遊戲玩法模擬。GameGen-O 的開發涉及從零開始的全面數據收集和處理工作，包括構建首個開放世界視頻遊戲數據集（OGameData），通過專有的數據管道進行高效的排序、評分、過濾和解耦標題。這個強大且廣泛的 OGameData 構成了模型訓練過程的基礎。

GameNGen是一個完全由神經模型驅動的遊戲引擎，能夠實現與複雜環境的即時互動，並在長時間軌跡上保持高質量。它能夠以每秒超過20幀的速度交互式模擬經典遊戲《DOOM》，並且其下一幀預測的PSNR達到29.4，與有損JPEG壓縮相當。人類評估者在區分遊戲片段和模擬片段方面僅略優於隨機機會。GameNGen通過兩個階段的訓練：(1)一個RL-agent學習翫遊戲並記錄訓練會話的動作和觀察結果，成為生成模型的訓練數據；(2)一個擴散模型被訓練來預測下一幀，條件是過去的動作和觀察序列。條件增強允許在長時間軌跡上穩定自迴歸生成。

EgoGaussian是一項先進的3D場景重建與動態物體追蹤技術，它能夠僅通過RGB第一人稱視角輸入，同時重建3D場景並動態追蹤物體的運動。這項技術利用高斯散射的獨特離散特性，從背景中分割出動態交互，並通過片段級別的在線學習流程，利用人類活動的動態特性，以時間順序重建場景的演變並追蹤剛體物體的運動。EgoGaussian在野外視頻的挑戰中超越了先前的NeRF和動態高斯方法，並且在重建模型的質量上也表現出色。

GaussianCube是一種創新的3D輻射表示方法，它通過結構化和顯式的表示方式，極大地促進了三維生成建模的發展。該技術通過使用一種新穎的密度約束高斯擬合算法和最優傳輸方法，將高斯函數重新排列到預定義的體素網格中，從而實現了高精度的擬合。與傳統的隱式特徵解碼器或空間無結構的輻射表示相比，GaussianCube具有更少的參數和更高的質量，使得3D生成建模變得更加容易。

Unique3D是由清華大學團隊開發的一項技術，能夠從單張圖片中生成高保真度的紋理3D網格模型。這項技術在圖像處理和3D建模領域具有重要意義，它使得用戶能夠快速將2D圖像轉化為3D模型，為遊戲開發、動畫製作、虛擬現實等領域提供了強大的技術支持。

VastGaussian是一個3D場景重建的開源項目，它通過使用3D高斯來模擬大型場景的幾何和外觀信息。這個項目是作者從零開始實現的，可能存在一些錯誤，但為3D場景重建領域提供了一種新的嘗試。項目的主要優點包括對大型數據集的處理能力，以及對原始3DGS項目的改進，使其更易於理解和使用。

PhysDreamer是一個基於物理的方法，它通過利用視頻生成模型學習到的對象動力學先驗，為靜態3D對象賦予交互式動力學。這種方法允許在缺乏真實物體物理屬性數據的情況下，模擬出對新穎交互（如外力或代理操作）的真實反應。PhysDreamer通過用戶研究評估合成交互的真實性，推動了更吸引人和真實的虛擬體驗的發展。

Interactive3D是一個先進的3D生成模型，它通過交互式設計為用戶提供了精確的控制能力。該模型採用兩階段級聯結構，利用不同的3D表示方法，允許用戶在生成過程的任何中間步驟進行修改和引導。它的重要性在於能夠實現用戶對3D模型生成過程的精細控制，從而創造出滿足特定需求的高質量3D模型。

MakerLab是一個在線平臺，提供多種3D模型設計工具，包括花瓶生成器、標牌定製器等，用戶可以根據自己的需求快速輕鬆地創建個性化的3D模型。該平臺支持用戶使用模板創作作品，也提供了創意試驗場，讓用戶可以嘗試使用AI掃描儀等前沿技術。MakerLab的背景信息顯示，它是由BamBam Lab運營的，旨在為用戶提供一個自由創作和分享創意的空間。目前，該平臺提供免費和付費的服務，用戶可以根據自己的需求選擇合適的服務。

Flex3D是一個兩階段流程，能夠從單張圖片或文本提示生成高質量的3D資產。該技術代表了3D重建領域的最新進展，可以顯著提高3D內容的生成效率和質量。Flex3D的開發得到了Meta的支持，並且團隊成員在3D重建和計算機視覺領域有著深厚的背景。

GameGen-O 是首個為生成開放世界視頻遊戲而定製的擴散變換模型。該模型通過模擬遊戲引擎的多種特性，如創新角色、動態環境、複雜動作和多樣化事件，實現了高質量、開放領域的生成。此外，它還提供了交互式可控性，允許遊戲玩法模擬。GameGen-O 的開發涉及從零開始的全面數據收集和處理工作，包括構建首個開放世界視頻遊戲數據集（OGameData），通過專有的數據管道進行高效的排序、評分、過濾和解耦標題。這個強大且廣泛的 OGameData 構成了模型訓練過程的基礎。

GameNGen是一個完全由神經模型驅動的遊戲引擎，能夠實現與複雜環境的即時互動，並在長時間軌跡上保持高質量。它能夠以每秒超過20幀的速度交互式模擬經典遊戲《DOOM》，並且其下一幀預測的PSNR達到29.4，與有損JPEG壓縮相當。人類評估者在區分遊戲片段和模擬片段方面僅略優於隨機機會。GameNGen通過兩個階段的訓練：(1)一個RL-agent學習翫遊戲並記錄訓練會話的動作和觀察結果，成為生成模型的訓練數據；(2)一個擴散模型被訓練來預測下一幀，條件是過去的動作和觀察序列。條件增強允許在長時間軌跡上穩定自迴歸生成。

這是Google DeepMind團隊研發的機器人乒乓球代理模型，它通過深度學習技術，實現了與業餘人類選手在乒乓球比賽中的競爭力。這項技術的重要性在於它不僅推動了機器人在高速運動、即時精確決策和戰略決策制定方面的技術發展，而且為機器人與人類直接競爭提供了一個有價值的基準。

SoulWanderer 是一款視覺小說遊戲，由 yajing pang 設計。遊戲講述了一對姐妹因飛船事故被迫降落在一個未知星球上，她們在這個星球上探索、遇見不同的人、發現新世界、學習新知識，並最終揭開一個秘密。遊戲的故事情節引人入勝，配有美麗的插圖、哲學對話、反思和讚譽。玩家可以在不到15分鐘的時間內閱讀完整個故事，故事文字少於1萬字。該遊戲適合喜歡視覺小說和探索未知的玩家。

what beats rock? 是一款在線智力遊戲，旨在測試玩家的邏輯思維和問題解決能力。遊戲通過提出'什麼能打敗石頭'這樣的問題，引導玩家思考並尋找答案。它不僅鍛鍊玩家的大腦，還提供了一種輕鬆愉快的娛樂方式。

EgoGaussian是一項先進的3D場景重建與動態物體追蹤技術，它能夠僅通過RGB第一人稱視角輸入，同時重建3D場景並動態追蹤物體的運動。這項技術利用高斯散射的獨特離散特性，從背景中分割出動態交互，並通過片段級別的在線學習流程，利用人類活動的動態特性，以時間順序重建場景的演變並追蹤剛體物體的運動。EgoGaussian在野外視頻的挑戰中超越了先前的NeRF和動態高斯方法，並且在重建模型的質量上也表現出色。

GaussianCube是一種創新的3D輻射表示方法，它通過結構化和顯式的表示方式，極大地促進了三維生成建模的發展。該技術通過使用一種新穎的密度約束高斯擬合算法和最優傳輸方法，將高斯函數重新排列到預定義的體素網格中，從而實現了高精度的擬合。與傳統的隱式特徵解碼器或空間無結構的輻射表示相比，GaussianCube具有更少的參數和更高的質量，使得3D生成建模變得更加容易。