图像与视频转 3D 场景

@0x0SojalSec 介绍仅 0.5B 参数的小型模型 SpatialLM：能把普通手机视频转化为带完整标注的 3D 房间模型，理解墙体、门窗、家具与整体布局；训练方式为标准多模态 LLM，与其他只看像素的视觉模型不同，SpatialLM 理解空间，模型已开源。此前已有 @liambraus 的 image-blaster 可将任何照片五分钟转为含物理网格、背景 splat 与环境音频的可探索 3D 世界，同属图像/视频转 3D 世界生成方向。