当 3D 不再只是离线建模出来的城市或物体，而是要实时地跟着一个人跑、跟着一个房间转、跟着一次直播传输给成千上万的设备时，问题就从”AI 能不能生成一个 3D 世界”落到了另一个更为朴素的问题：这个 3D 世界，能不能装得下、传得动、跑得起来。论文给它的定位写得很克制：让 3D 人体表示（3D human representations）变得更加紧凑，目标场景是沉浸式直播（immersive live streaming）。浙大这边，是长期深耕 3D 视觉、计算机图形学和几何方向的团队，包括 Hujun Bao、Sida Peng、Xiaowei Zhou 等研究者，他们在 3DGS、可微渲染、点云学习这一串技术栈上有非常深的积累。