CVPR 2026 最佳学生论文奖、时间检验奖！

在刚刚落幕的计算机视觉与人工智能领域最具影响力的国际顶会之一 CVPR 2026 上， 来自微软亚洲研究院的论文《Native and Compact Structured Latents for 3D Generation》（即TRELLIS.2） 从全球 16,092篇投稿中脱颖而出，荣膺最佳学生论文奖（Best Student Paper Award）。作为全新的 3D 资产生成范式，TRELLIS.2‌不仅能够生成涵盖金属、塑料、玻璃、木材、水纹等丰富材质的 3D 物体，更能完整构建物体内部的几何结构。‌TRELLIS.2 既能呈现轻薄透明、层次分明的花瓣，也能在生成玻璃瓶的同时，让瓶内装载的每一件物品都清晰可见。这标志着 AI 生成的 3D 资产迈入了“高保真”阶段。与传统基于场表达的 3D 生成方法不同，TRELLIS.2 创新性地提出了非场（field-free）的新表达——稀疏体素结构 O-Voxel。这一表示方法可以生成具有任意拓扑结构和丰富材质属性的高分辨率 3D 资产，并且大幅减轻开发者在预处理阶段的负担。不仅如此，TRELLIS.2 还实现了16倍的空间压缩，让拥有40亿参数的大型生成模型也能高效完成训练和推理。在实际性能表现上，其生成512³分辨率的全纹理资产仅需约3秒。此外，本届大会还将至高荣誉之一 Longuet-Higgins Prize （时间检验奖）颁发给了 2015 年由微软亚洲研究院团队发表的经典论文《Deep Residual Learning for Image Recognition》（即 ResNet）。该工作使神经网络达到了前所未有的深度，获得了此前难以实现的能力，进而促成了包括AlphaGo，AlphaFold 和 ChatGPT在内的多个突破性成果。从 ResNet的开创性贡献，到 TRELLIS.2 对三维生成与空间智能边界的持续拓展，这些研究工作不仅得到了国际学术界最高规格的认可，更充分体现了微软亚洲研究院长期坚持基础研究、持续推动创新的科研精神。微软亚洲研究院将继续探索能够定义未来技术范式的关键问题，为全球 AI 发展贡献更多具有长期影响力的创新成果。最后，向本届CVPR大会的所有获奖者致以诚挚祝贺！ 相关论文：Native and Compact Structured Latents for 3D Generation论文链接：https://openaccess.thecvf.com/content/CVPR2026/papers/Xiang_Native_and_Compact_Structured_Latents_for_3D_Generation_CVPR_2026_paper.pdf Deep Residual Learning for Image Recognition论文链接：https://arxiv.org/abs/1512.03385 文章原文