（来源：上观新闻）
然而，一个📇🌙谷歌工具长期存🍗在却始终未被📶解决的问题是： 👋🤟当高质量 3D 🔹🇹🇱标注数据🐣🦡日益稀缺，📈🔫我们能否‼🌾用「海量」🚭🇹🇷互联网视🥗🍓频构建高精🐧🇱🇧度、可扩展🏞👩❤️💋👩的真实场景数据🇮🇨😍，提升 3D🚊 场景🇦🇷理解的多🇸🇪任务表现？ 近📀☪期，来自北京通用🚭人工智能研究🐉🍬院的研🇩🇴🇹🇷究团队👇🚒在被 🌟CVPR 2🇲🇼⛴026 🎪高分接收的论文🇨🇻2️⃣中，系🌳统性地回答了🎄🌘这一问题🇲🇳🏕。
或者说，A🚾⚔nthr🖼🐩opi💉c 已🔆经不确定：🌙Mythos 考☣🏀 90 分，到底🎮🍯是因为它只🎍👩👦有 90👥 分的水平🙋，还是卷面🚃➰只有 9😴🛂0 分，又🇦🇸🇬🇹或者它其实故意隐😩藏了实力，只🇯🇪考了 90 🏀⛽分？ 这🕞🇬🇾 244 🎶页报告🌶🔟读下来，最重🇹🇩📨要的信息不🧑👮在于 M👩🎨🗼ythos P🏋️♀️1️⃣review 🥡📱有多强，而🖐🥾在于它具体🕤地展示了🈂🌓评估工🧥具在哪些地🙈☁方开始失效、为🌜👩🦱什么失⚪效，以及💖🕦一种正在成形的替😨代方法能看到什🕴🐣么传统方法看🈵不到的东西😰。
本文作🥣🦟者 ： 🕜🏋️♀️Yan W🏫ang 🌑🥋/ 鸭哥 Sa🔆msara◀🤔 应用科学家♨，哥伦比亚🎐大学博🔠❔士，曾在 Pin🛑terest 🌾/ Micr🧪oso🍎ft 等公司工作↙，发表过近40篇😌国际顶会👩⚖️🧞♀️期刊论文2️⃣📩。
