CVPR 2026两场圆桌聚焦视觉生成、3D/4D、世界模型与具身智能落地。
原文标题：CVPR一线｜预约周末这两场直播，直击视觉与具身智能的技术临界点
原文作者：机器之心
冷月清谈：
机器之心在 CVPR 2026 现场观察到两条技术主线：一是视觉智能从像素合成、内容创造继续迈向时空交互，涉及视觉生成基础模型、端侧生成式计算摄影、图像视频编辑以及 3D/4D 重建与生成；二是具身智能从空间表征、世界模拟延伸到闭环决策，空间基础模型、世界模型、VLA 与物理 AI 基础设施成为重点。围绕这些方向，机器之心将在北京时间 6 月 6 日和 6 月 7 日上午分别举办两场专家圆桌直播，并设置 QA 互动环节，讨论视觉生成和具身智能从研究热点走向真实系统落地的关键问题。
怜星夜思：
1、视觉生成从“做得像”走向“可控、可编辑、可交互”，你觉得最难突破的是哪一步？
2、端侧实时生成和云端大模型生成会长期并存吗？哪些场景更适合放在手机、AR眼镜或机器人本地跑？
3、世界模型、VLA、空间基础模型这些概念很热，但它们离真正好用的机器人还有多远？
4、CVPR 这类顶会越来越关注具身智能和物理 AI，这是不是意味着计算机视觉的研究边界正在被重新定义？
2、端侧实时生成和云端大模型生成会长期并存吗？哪些场景更适合放在手机、AR眼镜或机器人本地跑？
3、世界模型、VLA、空间基础模型这些概念很热，但它们离真正好用的机器人还有多远？
4、CVPR 这类顶会越来越关注具身智能和物理 AI，这是不是意味着计算机视觉的研究边界正在被重新定义？
原文内容
当像素级精细可控重新成为视觉生成的「圣杯」，当端侧设备开始实时「脑补」三维世界，当机器人不再满足于「看懂」画面而是要求「预判」物理因果——CVPR 2026 在美国丹佛揭示的，是一场从「算法精度竞赛」到「系统范式重构」的深层跃迁。
作为 CVPR 的长期关注者与深度追踪者，机器之心观察到今年 CVPR 两条清晰的主线：
-
视觉智能正沿着「像素合成 → 内容创造 → 时空交互」的链路全面升维，从潜空间扩散回归端侧实时生成，从静态二维创作迈向动态四维时空编辑；
-
具身智能则打通了从空间表征、世界模拟到闭环决策的完整链条，空间基础模型、世界模型与 VLA 的协同成为「决策有用」的关键支点。
两条主线交汇之处，正是下一代 AI 从数字世界走向物理世界的临界点。为此，我们特别在 CVPR 2026 现场策划两场专家技术圆桌直播，邀请学界与产业界一线研究者深度拆解这些正在发生的技术变革。
在 6 月 6 日（北京时间）的圆桌直播中，4 位嘉宾将会围绕「视觉生成基础模型与系统架构」「端侧生成式计算摄影」「生成式图像视频编辑与内容生产」「3D/4D 重建及生成」等议题展开深度探讨。
在 6 月 7 日（北京时间）的圆桌直播中，4 位嘉宾将会围绕「空间基础模型」「世界模型」「具身智能体与 VLA」「物理 AI 基础设施」等议题展开深度探讨。
直播时间
-
圆桌一：北京时间 6 月 6 日 09:00-11:00
-
圆桌二：北京时间 6 月 7 日 09:00-11:00
直播预约
两场直播均设有 QA 互动环节，欢迎预约观看并在评论区与嘉宾交流讨论。