针对这一难题，来自南京大学 PCA-Lab 的孙晓琨，在张振宇副教授的指导下在 CVPR 2026 最新工作中提出了免训练三维变形框架 MorphAny3D … 该方法通过在三维生成大模型的注意力机制中巧妙融合原物体与目标物体的特征，成功激活了三维生成先验在变形领域的潜力，实现了高质量的跨类别三维形变 … MorphAny3D 具备强大的泛化性，支持解耦变形、双目标变形及三维风格化等多种应用，且可无缝迁移至同类架构的三维生成模型中。
暂无讨论，说说你的看法吧
针对这一难题，来自南京大学 PCA-Lab 的孙晓琨，在张振宇副教授的指导下在 CVPR 2026 最新工作中提出了免训练三维变形框架 MorphAny3D … 该方法通过在三维生成大模型的注意力机制中巧妙融合原物体与目标物体的特征，成功激活了三维生成先验在变形领域的潜力，实现了高质量的跨类别三维形变 … MorphAny3D 具备强大的泛化性，支持解耦变形、双目标变形及三维风格化等多种应用，且可无缝迁移至同类架构的三维生成模型中。