Wonderland
Wonderland是一项由多伦多大学、Snap和UCLA联合开发的技术，能够基于单张图像生成高质量的3D场景，并支持精确的摄像轨迹控制。它结合了视频扩散模型和大规模3D重建模型，解决了传统3D重建技术中的视角失真问题，实现了高效的三维场景生成。Wonderland在多个基准数据集上的3D场景重建质量均优于现有方法，广泛应用于建筑设计、虚拟现实、影视特效、游戏开发等领域。
PrimitiveAnything
PrimitiveAnything是由腾讯AIPD与清华大学联合开发的3D形状生成框架，通过将复杂3D形状分解为基本基元并自回归生成，实现高质量、高保真度的3D模型重建。其支持从文本或图像生成内容，具备高效存储、模块化设计及良好的泛化能力，适用于3D建模、游戏开发、UGC创作及VR/AR应用等领域。
ZeroSearch
ZeroSearch 是阿里巴巴通义实验室开发的基于大模型的搜索引擎框架，通过强化学习技术提升搜索能力，无需依赖真实搜索引擎。它能动态生成相关或噪声文档，显著降低训练成本（超80%），并支持多种模型和算法，适用于问答、内容创作、教育等多个场景。
OmniConsistency
OmniConsistency 是新加坡国立大学推出的图像风格迁移模型，旨在解决复杂场景下风格化图像的一致性问题。该模型采用两阶段训练策略，将风格学习与一致性学习解耦，并支持与任意风格的 LoRA 模块集成，实现高效且灵活的风格化效果。它在多种风格下保持图像的语义、结构和细节一致性，具备更高的灵活性和泛化能力，在实验中表现出与 GPT-4o 相当的性能。
