幾何重建連霸、資料牆被捅破、遊戲成基座：讀懂 CVPR 2026 三條主線

CVPR 2026 在丹佛落幕，74 篇入圍、5 篇獲獎。略過花名冊，三條主線值得做研究和建產品的人記好。

幾何重建：連兩年最佳論文

今年得主 D4RT（Google DeepMind 聯合 UCL、牛津）直接把去年最佳論文 VGGT 拎出來當對手，A100 上位姿估計跑出 200+ FPS，比 VGGT 快約 9 倍，比 MegaSaM 快約 100 倍，精度反超。核心改變是把「逐幀全量解碼」換成「按需查詢」：編碼器把整段影片壓成全局場景表示，解碼器只在被問到時回答「某點某時刻三維座標」，深度圖、點雲、相機參數全從同一接口吐出，不需為每個任務各養一個解碼器。

更值得注意的是作者名單：VGG 靈魂人物 Andrew Zisserman 坐在 D4RT 裡面，而去年最佳論文 VGGT 也出自牛津 VGG 實驗室。同一條幾何重建脈絡、同一個 VGG 系譜連霸兩年，看起來不像偶然，像是在說這個方向正快速成熟。

3D 基座：捅破資料牆

Meta SAM 3D 獲榮譽提名，把 SAM 系列從分割延伸到單圖 3D 重建，靠人機協同標注流水線取得大規模 3D 資料，在面向真實物件的人類偏好測試裡勝率至少 5:1。3D 的長期瓶頸是標注成本；SAM 3D 的路徑這意味著「3D 沒資料」的說法正在被重新挑戰。清華×微軟的 TRELLIS.2 拿下最佳學生論文，全華人陣容、4B 參數，則說明前沿 3D 生成的能力門檻在下移。

遊戲智能體：正在成為具身研究基座

NVIDIA NitroGen 獲榮譽提名，在 1000+ 款遊戲、4 萬小時影片上訓練，從公開遊戲影片自動反解玩家動作，訓出統一視覺-動作策略，遷移到沒見過的新遊戲時任務成功率最高有 52% 的相對提升。遊戲作為具身訓練場的優勢：資料成本低、環境可控、泛化容易量化。這個方向正在得到頂級場館的背書。

獎項訊號怎麼讀

幾何重建連霸加上具身/遊戲 agent 進榮譽提名，這個組合看起來在說：從像素到幾何、從感知到行動，是當前前沿最集中的賭注方向。時間檢驗獎今年雙頒 ResNet 與 YOLO，兩篇均為 2016 年論文，十年後留下的是打通「夠快、夠準、能遷移」三角的工程化成果。D4RT 和 NitroGen 都在同一個三角上發力，值得對照著讀。