今天凌晨，在夏威夷举行的国际计算机视觉大会ICCV 2025揭晓了本届会议的最佳论文等奖项。全球计算机视觉三大顶会之一的ICCV今年共收到11239份有效投稿，最终录用2699篇论文，录用率为24%。
来自卡耐基梅隆大学的团队凭借论文《Generating Physically Stable and Buildable Brick Structures from Text》斩获最佳论文奖，而以色列理工学院的研究则获得最佳学生论文奖。
目录
四、StableText2Brick：给AI准备的“积木教材”
一、最佳论文：从文本到可建造的积木结构
当今生成式AI在3D内容创作领域蓬勃发展，但大多数生成模型只关注外观，却忽略了物理世界的约束。这些数字模型可能看起来很精美，但往往结构不稳定，或组件之间存在冲突，无法在现实世界中实际组装。
朱俊彦团队的研究漂亮地解决了这一问题。他们提出了BrickGPT——首个能够根据文本提示生成物理稳定、可实际搭建的积木结构的AI系统。
BrickGPT要解决的，就是这个长期被忽略的“现实可行性”问题。它的目标是：生成既好看、又能拼、还能稳的积木结构。
论文第一作者Ava Pun在其个人主页写道：“我希望回答一个问题：如何让AI不仅在我们的计算机上有用，而且在物理世界中也有用？”BrickGPT正是这一理念的完美体现。
二、作者团队
-
朱俊彦（Jun-Yan Zhu）：CMU 助理教授，清华校友，前 Adobe 研究科学家。
-
合作者：Ava Pun、Kangle Deng、Ruixuan Liu、Deva Ramanan、Changliu Liu。
-
项目主页：https://avalovelace1.github.io/BrickGPT/
-
代码开源（1.3K⭐）：GitHub - AvaLovelace1/BrickGPT
三、方法创新：给LLM加入“物理直觉”
BrickGPT 的核心是基于 LLaMA-3.2-Instruct-1B 微调的大语言模型。
研究者巧妙地把“搭积木”的任务转化为“预测下一块砖”的语言生成问题。
整个流程分三步：
-
积木文本化：
每块积木被编码为类似 "4x2 (1,7,17)" 的 token，整个结构就是一串“积木语言”。
-
指令微调：
模型学习“描述 → 积木序列”的对应关系，就像“语言版蓝图”。
-
物理约束生成：
-
拒绝采样（Rejection Sampling）：每放一块砖都检查是否合法。
-
物理感知回滚（Physics-aware Rollback）：若整体结构不稳定，自动退回至上一个稳定状态重新生成。
这一机制相当于在AI的生成过程中，嵌入了“工程师思维”。
四、StableText2Brick：给AI准备的“积木教材”
为了让AI学会搭积木，研究团队构建了一个超大规模数据集——StableText2Brick。
-
数据量：超过 47,000 个积木结构
-
覆盖对象：28,000+ 种独特3D物体
-
每个样本都附带：稳定结构 + 文本描述 + 多角度视图
构建过程包含四步：
-
从3D网格到积木（Mesh-to-Brick）：把连续网格模型体素化为离散积木。
-
结构增强：随机扰动积木排列，生成多样结构。
-
物理模拟：剔除会倒塌的不稳定设计。
-
文本生成：用 GPT-4o 为每个结构生成自然语言描述。
这让模型拥有了“图文并茂”的搭建教材，具备从描述到结构的学习能力。
五、实验结果：近乎完美的稳定性
实验结果表明，BrickGPT在关键指标上表现卓越：
-
有效性（无违规积木或碰撞）：100%
-
稳定性（物理结构稳定）：98.8%
远超基线模型，同时保持较高的文本相似度。
从对比结果中可以直观看出：
其他方法生成的结构常有碰撞（黑色区域）或悬浮问题，而BrickGPT生成的积木既稳定又合理。
它还能根据描述自动生成带颜色与纹理的版本，兼顾创意与实用。
更重要的是——这些结构不仅能被人类拼搭，甚至还能让机械臂自动组装！
六、其他重要奖项
-
最佳学生论文
以色列理工学院的《FlowEdit: Inversion-Free Text-Based Editing Using Pre-Trained Flow Models》提出了一种无需反演的文本驱动图像编辑方法。
传统方法需要将图像反演到噪声空间，而FlowEdit通过构建常微分方程，直接在源图像分布与目标图像分布间建立映射路径，实现了更高效的编辑。
论文地址：https://arxiv.org/abs/2412.08629
项目主页：https://matankleiner.github.io/flowedit/
Code&Data：https://github.com/fallenshock/FlowEdit
-
最佳论文荣誉提名
卡耐基梅隆大学的《Spatially-Varying Autofocus》打破了传统镜头只能单一平面清晰成像的限制，设计了一种能够任意调整景深的计算镜头，可同时使整个场景清晰成像。
-
赫尔姆霍兹奖（测试方法奖）
两篇获奖论文均来自微软研究院：
《Fast R-CNN》：提出快速区域卷积网络，显著提升目标检测速度与精度
论文地址：https://arxiv.org/abs/1504.08083
《Delving Deep into Rectifiers》：引入PReLU激活函数和He初始化方法，首次在ImageNet上超越人类水平分类性能
论文地址：https://arxiv.org/abs/1502.01852
-
埃弗林厄姆奖（严谨评估奖）
SMPL人体模型团队：开发参数化三维人体模型，对数字人领域产生里程碑式影响
VQA数据集团队：创建视觉问答基准数据集，推动多模态AI发展
项目主页：https://smpl.is.tue.mpg.de/
-
个人成就奖
杰出研究员奖：David Forsyth（UIUC）、Michal Irani（魏茨曼科学研究院）
阿兹列尔·罗森菲尔德终身成就奖：Rama Chellappa（约翰霍普金斯大学）
七、中国力量闪耀ICCV
本届ICCV数据显示，中国作者贡献了50%的投稿论文，再次彰显了中国在计算机视觉领域的强大实力。
从最佳论文的华人主导团队，到占半壁江山的投稿作者，中国学者正在全球计算机视觉舞台上扮演着越来越重要的角色。
总结
ICCV 2025 将最佳论文颁给 BrickGPT，不仅因为它“能搭出稳固积木”，
更因为它象征着引领AIGC社区向着遵循物理规律、真实世界可用的方向迈进。
未来的AI，不只是内容创作者，更是数字工程师。
扫一扫
497
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
