天哪，我的脑袋疼，想象一下用老方法做这件事： 追踪球体 --> 物理模拟 + 火球着色器 --> 计算粗略场景深度 + 角色法线贴图以重新照明，渲染通道，然后合成在一起。 或者……只需拍摄白天的视频，要求AI关闭灯光并让杂耍球着火，瞧！

谷歌刚刚在Veo 3中发现了一种强大的新兴功能——在起始画面上可视化地注释您的指令，Veo会为您完成！ 与其无休止地迭代完美的提示，定义复杂的空间关系，不如像对人类艺术家一样直接画出来。 这个功能迫切需要一个合适的用户体验，但现在您可以在您选择的应用中随意涂鸦，并在Google Flow中使用“帧到视频”。

现在只需5900美元的价格，您也可以拥有自己的类人机器人——配备AI语音和感知能力。

创造性地提升！将高空航空摄影测量转化为低空无人机影像。 这是在谷歌地球中框定你想要的镜头并使用FLUX Kontext LoRA将其提升到极致的酷炫方式。

不久之后，你的 iPhone 将使用 FaceID 来确保在滚动、互动和发布时，确实是你在使用设备。 苹果公司在隐私保护的方式上，独特地能够在设备上完成这一切。 “注意力感知”功能已经朝这个方向迈出了第一步——你的 iPhone 每隔几秒钟拍摄一张低分辨率的红外照片，以检查你的眼睛注视，看看你是否在关注屏幕。 下一步将是让应用程序知道确实是你，或者简单地说，是一个真实的人在使用设备，而不是一个机器人。

有时候，你在舞台上的时刻是你永远不会忘记的。

将3D软件的明确控制与生成性AI模型的创造力相结合，是一种有前景但被低估的工作流程。 通过用自然语言描述来程序化构建您的3D场景，然后使用您选择的图像和视频模型将其完成。 像intangible这样的工具围绕这种工作流程构建，因此您不需要将应用程序拼凑在一起。真不错！

SpatialTrackerV2：统一的端到端 3D 点跟踪模型，同时估计相机运动、一致的几何形状和逐像素 3D 轨迹。

SceneScript将3D重建视为一个语言问题，而不是几何问题。 该模型观看一个房间的视频，并学习为其编写脚本。它自回归地输出文本命令，如make_wall(...)或make_bbox(...)，以定义场景。 斯坦福大学的新论文“场景语言”更进一步，添加了CLIP嵌入，以捕捉视觉外观。 语言模型已经足够理解空间关系，以便写出场景图，这一点相当惊人。

我们可以使用开源的3D软件和便宜的插件来生成城市。