三维几何主义

来自 AI 研究立场图谱百科

三维几何主义:认为世界是三维的,模型应该显式表示几何,而不是只从平面图像去推理。

主张

三维几何主义受够了把世界看成一叠平面图片的模型。物体有深度、形状和位姿;相机会移动;遮挡遵循规律。一个用 3D 表示场景的系统,不管是点云、mesh、NeRF 还是 Gaussian splatting,都能渲染新视角、推断东西在哪、规划怎么够到它们。二维模型得从无数样本里重新学会几何带来的后果,几何模型则直接以结构的形式拥有它们。

它位于 World 一侧、中间偏右,纵向略低于中线:既不是单个巨型模型,也不是 agent 工具箱,而是一个结构化的表示层,单体模型和机器人栈都可以在它上面搭建。范式等级为超级革命。多视图几何是一门老学科,把显式 3D 结构重新放回中心,与主流押注无结构规模的路线大相径庭。

论据

  • NeRF 和 Gaussian splatting 能从普通照片重建出照片级逼真的 3D 场景,并一致地渲染新视角。
  • 显式 3D 表示让距离、碰撞、可达性这类空间查询变得直接且精确。
  • 机器人和 AR 系统在度量空间里行动,几何模型给它们的是坐标,而不是印象。

批评

  • 大型 2D 和视频模型越来越多地表现出隐式的 3D 一致性,说明显式几何或许可以学出来,而不必强加。
  • 和图像相比 3D 数据稀缺,逐场景优化的方法泛化起来也慢。
  • 几何本身只捕捉形状,不包含语义、功能和物理。

代表作

关系

怎样测出它

在完整版或专业版里落到这一格:x ≈ +0.58,y ≈ −0.51,范式 ≈ +0.87。

这是初稿。欢迎通过 pull request 修正或补充更好的论据。 在 GitHub 上编辑这个词条 编辑它的数据