GeoBridge
最新动态

知天下开源世界模型基模Explorer 1.3B,空间想象力超越NVIDIA ArtiFixer

二三维可视化14 阅读原文发布 2026/10/8编译收录 2026/10/8

2026年9月,知天下AI(海外署名ExplorerAI)宣布开源其生成式高斯基模Explorer 1.3B的权重文件、测试代码及高质量测试数据集,供全球研究者下载实测。该模型使用NVIDIA ArtiFixer架构,耗费八千GPU小时训练,在四类真实场景的未观测视角生成表现上超越了ArtiFixer。知天下由此判断:海量高质量原生3D数据训练将持续提升世界模型的能力和规模;Scaling Law不仅适用于一维文字和二维图片视频,也适用于三维立体世界。 人类天生具备空间想象力:即使只能看到物体正面,也能想象出侧面和背面的样子。通过世界模型,机器也将获得这种能力——从有限可见视角想象出任意未见角度。知天下本次发布的基模正是侧重空间想象力。输入12张正面照片及相机内外参,覆盖上中下三个拍摄高度,让基模想象场景的侧面和背面,并用实拍画面作为Ground Truth逐帧评估。测试场景包括上海中国航海博物馆(室内)、苏州西交利物浦大学校园(室外地面)、河北金山岭长城(空中俯瞰)和苏州阳澄数谷(空中平视)。结果表明:在室内物体、空中俯瞰、空中平视三类场景中,Explorer均超越ArtiFixer,而在地面平视场景双方效果持平。

全量对比Explorer和ArtiFixer的参数权重,前者更新量仅为1.61%。如此小的更新量级为何带来显著能力提升?原因是参数权重的更新高度集中在DiT架构中的邻视图投影(47%)、相机条件(21%)、透明度条件(14%)三个立体视觉模块。邻视图投影矩阵决定立体像对信息的计算,相机条件矩阵决定立体世界投影到平面,透明度条件矩阵决定立体世界里不同距离的前景、中景、远景如何被分别想象出来。 是什么让Explorer成为在室内、地面、空中全场景中都能稳定输出的基模?知天下认为,基模算法已经平权,真正决定基模能力上限的是训练数据在多样性、代表性、完整度与画质。3D生成式基模的算法路线会持续迭代,高质量数据却能复用于每一代算法——这是知天下眼中长久的复利。然而,3D生成式基模需要用环绕无死角多高度海量视角的数据来训练,称为真实世界原生3D数据集。过往互联网APP中并不存在这类数据的积累。 NVIDIA在训练ArtiFixer基模时,使用了开源业界最大的真实世界原生3D数据集DL3DV-10K。其中99%是由大学生手持手机用超广角模式(13~15毫米焦距)在大学和城市设施之间拍摄的视频轨迹数据,1%是无人机航拍轨迹数据。场景、视角、设备与光照单一,视频抽帧普遍带有运动模糊,这正是其空中与室内新未观测视角生成能力偏弱的数据根源。

知天下在训练Explorer基模时,使用了其高斯泼溅社区里顶尖艺术家们采集的高质量环绕数据集,范围覆盖中国各地,从地面到空中,从室内到室外,从白天到黑夜,采集设备包括无人机、微单相机、运动相机、全景相机、各型号手机等。多样的拍摄轨迹、优质的图像素材、丰富的拍摄地点,大幅度提升了知天下基模的邻视图投影矩阵;品类繁多的摄影器材,大幅度提升了相机条件矩阵;从近在咫尺的博物馆特写到远在天边的无人机航拍,大幅度提升了对于近景、中景、远景的区分,汇聚成为透明度条件矩阵。

知天下本次基模训练动用的高斯泼溅社区数据,仅占其积累的5%。为什么知天下能够坐拥规模如此巨大的原生3D数据集?早在2023年底,知天下便作为国内最早布局3DGS的创业公司之一,对全国3DGS爱好者提供免费的重建算力。当时高斯泼溅并不在主流AI技术发展和风险投资赛道上,面对竞争也较少,知天下因此拥有了三年低调发育的时间窗口。渐渐地,全国的3DGS爱好者们都广泛使用知天下来创作专业作品,形成了极高活跃度的社区,产生了以知名3DGS创作者为多中心的人际关系网络,也沉淀下来海量的极高画质的作品数据集。 到2026年中,知天下社区每周新增的3DGS高质量作品数量,已经远远超过面向全世界收集3DGS内容的英国SuperSplat公司;全中国几乎所有知名的3DGS创作者们,都汇聚到了知天下数千人的系列社群里;而全中国几乎所有知名的3DGS领域软硬件公司的CEO、CTO们,也汇聚到知天下社区里宣传自己公司的产品,并和用户交流。专业水平的人才社区,产出极高质量的内容和数据,再凝聚进入世界模型基模。而世界模型基模,将会在Harness时代被广泛调用,再被专业水平的人才和社群进一步用于创作。越来越多的高质量数据,将不断训练出更大更强的世界模型基模。知天下CEO宋大猫本人、产品VP邵青,都是中国最早一批最知名的3DGS爱好者。他们相信:全世界3DGS爱好者们,将成为世界模型的父母。 All the world’s a model, and all men and women its creators. (该文观点仅代表作者本人,36氪平台仅提供信息存储空间服务。) 如需了解Explorer 1.3B的完整技术细节、实测对比数据及下载链接,请点击原文链接查看。

编译自 网络搜索,原文链接

原文摘要

知天下3DGS社区开源世界模型基模Explorer 1.3B-36氪

2026年9月,知天下 AI(海外署名 ExplorerAI,主体为知天下(苏州)人工智能科技有限公司开放其生成式高斯基模 Explorer 1.3B的权重文件、测试代码、及高质量测试数据集,供全球研究者下载实测。知天下使用NVIDIA公司 ArtiFixer架构,用八千GPU小时训练了Explorer,并在四类真实场景的未观测视角生成表现上超越ArtiFixer。知天下由此判断:海量高质量原生3D数据训练,将持续提升世界模型的能力和规模;Scaling Law不但适用于一维的文字和二维的图片视频,也适用于三维立体世界。 一、空间想象力 当一个成年人去往世界任意一个地点,稍微走几步路环顾周围,脑海里都会自然浮现出四周的立体结构。哪怕是只能看到物体的正面,也能想象出它的侧面和背面视角大约什么样。这是我们从婴儿到成年不断探索世界所锻炼出的能力:空间想象力。通过世界模型,机器也将能想象立体世界:从有限的可见视角,想象出任意一个未见的角度。 知天下本次发布的基模,侧重空间想象力。输入 12 张正面照片及相机内外参、覆盖上中下三个拍摄高度,让基模去想象场景的侧面和背面,并用实拍画面作为 Ground Truth 逐帧评估。使用了上海的中国航海博物馆代表室内场景,苏州的西交利物浦大学校园代表室外地面场景,河北金山岭长城代表空中俯瞰场景,苏州阳澄数谷代表空中平视场景。结果表明:室内物体、空中俯瞰、空中平视三类场景 Explorer 超越ArtiFixer,而在地面平视场景双方效果持平。下面是实测对比截图: 上海的中国航海博物馆室内 从左到右:12 张正面照片3DGS 重建 | NVIDIA ArtiFixer 1.3B 想象侧后方视角| 知天下 Explorer 1.3B 想象侧后方视角| 实拍真实侧后方 Ground Truth 空中俯瞰河北承德金山岭长城 从左到右:12 张正面照片