2023年有什么像20年NeRF，21年Diffusion Model一样值得关注的新技术吗？
2023-07-06 阅读 3
2023年有几项影响力很大的新技术和开源成果值得关注：首先是GPT‑4的出现，把大模型的多模态（视觉+文本）能力带到了实用级别，推动了对话式智能和多模态应用的爆发；Meta的LLaMA把高性能开源/可微调大模型带入大众研究和工程生态，催生了大量下游工作；图像生成方向有Stable Diffusion XL，显著提升了图像质量和多样性，配合ControlNet等条件化方法，使生成控制变得可行；计算机视觉方面的Segment Anything Model（SAM）提出了“分割基础模型”的概念，降低了很多视觉任务的入门门槛；多模态对齐方面的ImageBind尝试把音频、触觉等多种模态接入统一表征，拓展了跨模态应用；三维/几何方向有Point‑E等快速从文本生成点云或粗糙3D对象的工作，以及一系列把2D扩展到可用3D（text‑to‑3D、NeRF改进）的进展。总体上，2023年是“多模态、可控生成和开源化”成为主流趋势的一年。
更新于 2025年12月20日
