Команда студентов из Китайского университета коммуникаций стала победителем Конкурса по оценке качества генерации 3D контента на основе текста в рамках CVPR

(Корреспондент Ци Цзэлу)

На днях успешно завершился Конкурс по оценке качества генерации 3D контента на основе текста, организованный в рамках семинара NTIREпри CVPR 2026. Команда Лаборатории интеллектуальных медиа-вычислений (CUC-IMC) Факультета информационных и коммуникационных технологий Китайского университета коммуникаций, благодаря своим глубоким техническим знаниям и инициативам инновационного прорыва, выделилась среди участников этого международного соревнования высшего уровня и заняла первое место. Этот успех стал новым достижением Лаборатории CUC-IMCна международной арене после того, как заняла второе место в конкурсе NTIREпо оценке качества видео на основе ИИ в рамках CVPRв 2025 году.

В составе команды — преимущественно аспиранты и магистранты. Основные участники: Ци Цзэлу (капитан, докторант набора 2025 года), У Ян (магистрант набора 2025 года) и Гуань Янькуй (магистрант набора 2025 года). Научные руководители — профессор Ши Пин и преподаватель Ин Цзэфэн факультета информационных и коммуникационных технологий.

▲ Главная страница сайта CVPR NTIRE 2026

CVPR (ComputerVisionAndPatternRecognition) — признанная международная конференция высшего уровня в области компьютерного зрения. Проводимый в ее рамках семинар NTIRE (NewTrendsinImageRestorationandEnhancement) является чрезвычайно авторитетным международным академическим семинаром, фокусирующимся на таких передовых направлениях, как восстановление, улучшение, генерация и оценка качества изображений. В рамках семинара CVPRNTIREWorkshopбыл организован трек по оценке качества генерации 3D контента на основе текста, посвященный многомерной оценке качества генерируемых 3D-ресурсов. Его цель — стимулировать инновационное развитие технологий в области понимания контента и моделирования качества в сфере генерации 3D контента на основе текста, а также предоставить надежные и научно обоснованные инструменты оценки для широкого применения генерируемого 3D-контента. В этом конкурсе по оценке качества генерации 3D контента на основе текста приняли участие более 50 команд из известных университетов, научно-исследовательских институтов и компаний со всего мира, включая Китайский университет коммуникаций, Китайский университет науки и технологий, Национальный университет Сингапура, Университет Иллинойса в Урбане-Шампейне и Лабораторию аудио и видео Маланьшань.

▲ Рейтинг конкурса по оценке качества генерации 3Dна основе текста в рамках CVPRNTIRE 2026 (первые шесть мест)

Генерация 3D контента на основе текста, являясь ключевой технологией будущего в области цифрового творчества и создания виртуальных сред, демонстрирует широкие перспективы применения в таких сферах, как игры, виртуальная реальность и спецэффекты в кино и на телевидении. Качество генерируемого 3D-контента напрямую определяет качество восприятия зрителей. Поэтому оценка качества 3DGCстала важной новой задачей исследований, имеющей большое значение для точного прогнозирования воспринимаемого качества 3DGC-контента, руководства итеративной оптимизацией моделей генерации 3Dконтента, а также обеспечения эффективности применения контента.

▲ Схема общей архитектуры решения CUC-IMC

Результаты оценки качества решения CUC-IMC продемонстрировали степень совпадения с субъективными оценками человека более 70 %; это единственное решение в данном треке, достигшее такого уровня, что свидетельствует о его высоких возможностях моделирования и практической эффективности. Результаты соответствующих исследований будут опубликованы в виде статьи на семинаре CVPR 2026.

Китайский университет коммуникаций уделяет большое внимание научным инновациям и подготовке кадров, активно создает высокоуровневые академические платформы и формирует научную атмосферу, характеризующуюся строгостью, прагматизмом и стремлением к исследованиям. После конкурса команда-победитель отметила, что в процессе подготовки университет обеспечил всестороннюю координацию и поддержку в области распределения ресурсов, технического обеспечения и вычислительных мощностей, что позволило успешно провести масштабное обучение и экспериментальную проверку и заложило прочную основу для окончательной победы.

Переводчики: Чжэн Цзяньцзюнь, Чжан Цзинъяо

Редакторы: Вэй Цяньсян, Линь Юю

Ответственный редакторы: Чжао Чжунган, Т.В. Муратова

Главные редакторы: Юй Жань Ян Чжунтянь