待验证50% 置信基准精确时间
在新视角重演任务上，VDAs在BecomingLit数据集上相比最强单图3D虚拟人方法，面部LPIPS降低29%，JOD提升66%。
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/10/19
首次发现
有效期至：2027/1/17
来源
涉及实体
相关事实
待验证VDAs用一个学习得到的表情空间替代3DMM，以突破3DMM的表达上限。71% 相似待验证提升视觉输入分辨率是缓解VLM视觉编码器局限的务实解决路径之一68% 相似待验证VLM 视觉方案（如 WebVoyager、SeeAct）存在幻觉问题、坐标定位精度不足，且每次操作需消耗大量 token 处理图像信息68% 相似待验证Splat2Act仿真成功率与真机成功率相差不足3个百分点，主要原因是3DGS重建获得与真实场景几乎同分布的视觉输入，从根本上压缩了视觉域差距67% 相似待验证VLM 架构的代价是分辨率越高、图像越多，token 消耗越大，对上下文窗口和推理成本提出更高要求。67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1065796API
curl https://kongchang.com/api/v1/knowledge/claims/1065796MCP
get_claim(id=1065796)