我特别期待的SAM 3D背后的技术之一： 1⃣ 现有的3D数据集（Objaverse-XL、ProcTHOR等）非常适合教授“3D先验”（基本形状和外观）。但它们不足以完全弥补与现实世界之间的差距，现实场景往往杂乱无章，物体被遮挡、体积小且通常比较混乱。 2⃣ 进入我们的模型循环3D数据引擎：模型 ➜ 从真实图像预测3D ➜ 人工快速审核合适的候选（仅限是/否） ➜ 审核通过的3D数据返回训练 ➜ 改进后的模型重新进入循环。这是一个良性循环，提升了3D标注质量、标注速度和模型性能，而无需3D工具或设计专业知识。 3⃣ 3D目标很棘手：没有封闭形式的可微损失能够完全捕捉“良好的3D特性”（对称性、平滑性、完整性）。因此，我们借鉴了LLM的做法，使用人类偏好数据进行后训练。这种对齐在指标中几乎没有体现（这些指标继承了损失的相同局限性），但它显著提高了3D输出的感知质量。 更多细节请参见论文。