黑人做爰全过无码 最近更新| 安卓软件| 安卓游戏| 电脑版| 手机版
网络游戏 单机游戏 手机应用 电脑软件 专题 热门排行榜
御天降魔传 紫塞秋风 太吾绘卷 三国群英传五 太吾绘卷 风色幻想 幻想三国志一 影之刃零 影之刃零

当前位置： 首页 单机游戏 冒险解谜

v2.6.4.73

猜你喜欢
分类：单机 / 冒险解谜 大小：9.40 MB 授权：免费游戏
语言：中文 更新：2025/09/07 11:42:57 等级：
平台：Android 厂商： 区美一级A片裸体做受 官网：暂无
权限： 查看
允许程序访问网络.
 备案：湘ICP备2023018554号-3A
标签： 美女㊙️免费看 cosplay18🈲网站 晓田儿子是秦还是晓田的起源
详情
介绍
猜你喜欢
相关版本

截图

内容详情

c罗梅开二度

上海地铁9号线试点拆座椅增加空间

c罗梅开二度

冯绍峰威尼斯眼镜造型8万只气球去哪儿了 2025/09/07 11:42:57

    • 编辑：admin

    2025/09/07 11:42:57

    胡（hu）寒（han）笑】
樊振东收获德甲首胜

宋浩然离婚净身出户

首次实现真正意义上的＂图像记忆＂：希伯来大学突破3D生成技术瓶颈

这项由希伯来大学的Yosef Dayani、Omer Benishu和Sagie Benaim团队开展的研究发表于2025年8月的arxiv预印本平台，论文编号为arXiv:2508.16577v1。感兴趣的读者可以通过项目主页https://yosefdayani.github.io/MV-RAG/了解更多详细信息。

当你想要制作一个从未见过的奇特物品的3D模型时，现有的AI系统往往会"胡编乱造"——就像一个从未见过大象的画家被要求画大象一样，结果可能是一匹长鼻子的马。希伯来大学的研究团队发现了这个问题的根源，并创造出了一个革命性的解决方案：MV-RAG系统。

这个系统的工作原理就像给AI配备了一个"图像记忆库"。当你要求它制作某个罕见物品的3D模型时，它会先到庞大的图像数据库中搜索相关的真实照片，然后基于这些真实照片来生成准确的3D视图。这就好比为那个画家提供了大象的参考照片，让他能够画出真实的大象而不是想象中的怪物。

研究团队面临的最大挑战是如何让AI系统学会同时处理两种完全不同的信息源：一种是来自专业3D数据集的规整多视图图像，另一种是来自互联网的杂乱无章的真实照片。这就像要训练一个厨师既能按照精确的食谱制作标准菜品，又能根据冰箱里的剩菜剩饭创造出美味料理。

为了解决这个问题，他们设计了一套独特的"混合训练"方案。在3D模式下，系统学习如何根据多个视角的标准化图像重建完整的3D物体。同时，研究团队会对这些标准图像进行各种变换和增强，模拟真实世界中照片的多样性。在2D模式下，系统学习如何从一堆互联网上找到的同类物品照片中，预测出被隐藏的那一张照片的样子。

更令人惊叹的是，这个系统还具备了"智能判断"能力。它能够自动评估自己对某个概念的熟悉程度，然后相应地调整对检索图像的依赖程度。对于那些训练数据中很少见的稀有物品，系统会更多地依赖检索到的真实照片；而对于常见物品，它会更多地使用自己已有的知识。这就像一个经验丰富的工匠，遇到熟悉的工艺时可以凭经验制作，遇到陌生的工艺时会仔细研究参考资料。

一、打破传统3D生成的局限性

当前的3D内容生成技术主要依赖于一种叫做"分数蒸馏采样"的方法，这种方法的工作原理类似于一个雕塑家通过反复修改来完善作品。系统会先创建一个粗糙的3D模型，然后使用预训练的2D图像生成模型不断指导修改，直到得到满意的结果。这种方法在处理常见物品时效果不错，但遇到罕见或新奇的物品时就会出现问题。

问题的根源在于，这些2D图像生成模型虽然强大，但它们的知识主要来自于训练时见过的图像。当你要求它们处理训练数据中很少出现的概念时，比如"博洛尼亚犬"或者"IBM 5100便携式计算机"这样的稀有物品，它们往往会用常见的替代品来"糊弄"，或者生成一些几何上不一致的奇怪结果。

为了验证这个问题的严重性，研究团队专门构建了一个包含196个稀有概念的测试集，叫做"OOD-Eval"。这个测试集包含了各种在日常AI训练中很少出现的物品，从濒危动物品种到古董汽车，从特殊昆虫到罕见植物。测试结果显示，传统方法在处理这些稀有概念时表现极差，生成的3D模型要么完全不符合描述，要么在不同视角之间存在严重的不一致性。

另一类尝试解决这个问题的方法是直接从单张图片生成多视图3D模型。这种方法虽然能够利用真实照片的信息，但受限于单一视角的局限性，往往无法准确重建被遮挡的部分。就像通过一张正面照片来雕刻一个人的全身雕像一样，背面和侧面的细节往往只能靠猜测。

还有一些研究尝试通过个性化定制的方式来解决问题，也就是为每个特定物品单独训练一个模型。虽然这种方法在某些情况下能得到不错的结果，但需要为每个物品都进行耗时的训练过程，实用性很有限。

研究团队意识到，解决这个问题的关键在于让AI系统能够有效地利用大量现有的真实图像资源。互联网上存在着海量的各种物品的照片，如果能够让AI系统学会检索和利用这些照片，就能大大扩展其处理稀有概念的能力。

二、革命性的检索增强生成架构

MV-RAG系统的核心创新在于将信息检索技术与多视图扩散模型巧妙结合。整个系统的工作流程可以比作一个拥有完美记忆的艺术家的创作过程：当接到一个创作任务时，艺术家首先会翻阅自己的参考资料库，找出所有相关的图片和资料，然后基于这些参考来创作出准确而一致的作品。

系统的第一个关键组件是图像检索模块。当用户输入一个文本描述时，比如"博洛尼亚犬"，系统会立即在一个包含数百万张图片的大型数据库中搜索相关图像。这个搜索过程使用了一种叫做BM25的文本匹配算法，它专门擅长处理稀有词汇的匹配。研究团队发现，相比于依赖语义理解的搜索方法，这种基于关键词匹配的方法在处理罕见概念时反而更加可靠。

找到相关图片后，系统需要将这些图片转换成适合AI模型理解的形式。这个过程使用了一个叫做"重采样器"的组件，它的作用就像一个翻译官，将原始图片中的视觉信息转换成一系列标准化的"特征令牌"。每张检索到的图片都会被转换成16个这样的令牌，这些令牌包含了图片中最重要的视觉特征信息。

系统的核心是一个经过特殊设计的多视图扩散模型。传统的多视图生成模型只能根据文本描述来生成图像，而MV-RAG的模型被扩展为能够同时处理文本描述和检索图像的信息。这种扩展通过一个叫做"解耦交叉注意力"的机制实现，它允许模型分别处理来自文本和图像的信息，然后再将两者融合。

更重要的是，系统具备了自适应调节能力。它可以根据输入概念的稀有程度自动调整对检索图像的依赖程度。对于系统已经很熟悉的概念，它会主要依赖自己的内在知识；对于陌生的概念，它会更多地依赖检索到的参考图像。这种自适应机制通过一个叫做"先验引导注意力"的技术实现，它会先让模型尝试仅基于文本生成一个初步结果，然后评估这个结果与检索图像的相似性，从而判断模型对该概念的熟悉程度。

三、突破性的混合训练策略

训练MV-RAG系统面临的最大挑战是如何让它既能理解规整的3D数据，又能处理杂乱的2D图像集合。这就像要训练一个学生既能解决教科书上的标准题目，又能应对现实世界中的复杂问题。研究团队设计了一套独特的"混合训练"策略来解决这个难题。

在3D训练模式下，系统使用来自Objaverse数据集的高质量3D模型。这些3D模型被渲染成多个标准视角的图像，就像为一个物品拍摄产品照片一样，从正面、侧面、背面等不同角度都拍摄清晰的照片。但是，为了模拟真实世界检索图像的多样性，研究团队对这些标准图像进行了大量的变换和增强。

这些增强变换包括透视扭曲、随机旋转、裁剪缩放、颜色调整等各种操作，目的是让这些原本规整的图像看起来更像从互联网上随机找到的照片。更进一步，研究团队还使用了图像变化生成模型来创建同一物品的不同版本，比如改变材质、光照或背景等。这样，系统在训练时就能学会如何从这些多样化的"模拟检索图像"中提取有用的信息。

在2D训练模式下，系统使用ImageNet21K数据集中的真实图像。这个数据集包含了21000多个不同类别的物品照片，每个类别都有多张来自不同来源的真实照片。训练过程采用了一种叫做"留出视图预测"的方法：系统会看到同一类别的K张图片，然后被要求预测第K+1张图片的样子。

这种训练方法的巧妙之处在于，它迫使系统学会从一组不同视角、不同条件下的照片中提取出物品的本质特征，然后基于这些特征来推测物品在新视角下的样子。这个过程培养了系统的"3D想象能力"，让它能够从2D图像中推断出3D几何结构。

更重要的是，2D训练模式使用的是标准的2D自注意力机制，而不是3D多视图注意力。这意味着系统在处理真实世界的杂乱图像时，不会被3D几何约束所束缚，能够更灵活地处理各种复杂情况。

两种训练模式的交替进行让系统既获得了处理3D几何的能力，又具备了理解真实世界图像多样性的本领。这种混合策略的效果就像培养一个既有理论基础又有实践经验的专家，能够在面对新情况时灵活应对。

四、智能的自适应融合机制

MV-RAG系统最令人印象深刻的特性之一是它的"智能判断"能力。就像一个经验丰富的专家能够根据问题的难易程度来决定是否需要查阅参考资料，MV-RAG系统也能够自动评估自己对某个概念的熟悉程度，并相应地调整对检索图像的依赖程度。

这个自适应机制的工作原理基于扩散模型的一个重要特性：扩散模型本质上是在学习数据的概率分布，它的输出反映了输入概念在训练数据中的常见程度。当模型遇到训练时经常见到的概念时，它会很"自信"地生成结果；当遇到罕见概念时，生成的结果往往会偏向于更常见的替代品。

系统利用这个特性设计了一个巧妙的评估机制。在正式生成最终结果之前，系统会先进行一次"试探性生成"：仅使用文本描述，忽略检索到的图像，快速生成一个初步结果。然后，系统会将这个初步结果与检索到的真实图像进行比较，计算它们之间的视觉相似性。

如果初步生成的结果与检索图像很相似，说明系统对这个概念很熟悉，能够仅凭文本描述就生成准确的结果。在这种情况下，系统会增加对自身先验知识的依赖，减少对检索图像的依赖。相反，如果初步结果与检索图像差异很大，说明这是一个对系统来说很陌生的概念，系统就会增加对检索图像的依赖程度。

这种自适应调节通过一个动态权重参数α来实现。当系统判断自己很熟悉某个概念时，α值会比较高，意味着更多地使用系统自身的知识；当判断概念很陌生时，α值会很低，意味着更多地依赖检索图像的指导。这种动态调节确保了系统在不同情况下都能发挥最佳性能。

研究团队通过大量实验验证了这种自适应机制的有效性。对于常见物品如"狗"或"汽车"，系统会适当降低对检索图像的依赖，避免被检索图像中的特定细节所束缚；对于罕见物品如"博洛尼亚犬"或"IBM 5100便携式计算机"，系统会大幅增加对检索图像的依赖，确保生成结果的准确性。

这种智能调节机制让MV-RAG系统具备了类似人类专家的判断能力，能够根据具体情况灵活调整策略，这是传统固定权重系统无法实现的重要优势。

五、全面的实验验证与性能突破

为了验证MV-RAG系统的有效性，研究团队设计了一套全面的评估体系。由于现有的3D生成评估数据集主要关注常见物品，团队专门构建了OOD-Eval数据集，包含196个精心挑选的稀有概念，涵盖了从濒危动物到古董汽车的各种罕见物品。

实验结果令人印象深刻。在处理这些稀有概念时，MV-RAG在多项关键指标上都显著超越了现有方法。在图像质量评估方面，MV-RAG的CLIP相似性得分达到71.77，而最好的基线方法只有70.31。在DINOv2相似性评估中，MV-RAG达到了50.19的高分，远超第二名的49.14。更重要的是，在衡量生成图像与真实参考图像匹配程度的实例检索指标上，MV-RAG达到了67.41，明显超过了所有对比方法。

为了更全面地评估3D一致性，研究团队采用了重渲染评估方法。他们使用生成的多视图图像重建3D模型，然后从新的视角渲染图像，检验重建质量。结果显示，MV-RAG在这个更严格的评估中仍然保持领先地位，证明了其生成的多视图图像确实具有良好的3D几何一致性。

除了客观指标评估，研究团队还进行了用户研究。30名参与者对不同方法生成的结果在真实感、文本对齐程度和3D一致性三个维度进行评分。结果显示，MV-RAG在所有三个维度上都获得了最高评分，其中真实感得分4.12（满分5分），文本对齐度4.44，3D一致性4.44，远超传统方法的得分。

更有趣的是，研究团队发现传统的CLIP文本图像相似性指标在评估稀有概念时存在严重偏差。CLIP模型由于训练数据的限制，对于罕见概念往往给出不准确的相似性评分，有时甚至会给明显错误的生成结果打高分。这个发现进一步证实了传统方法在处理稀有概念时的根本性问题。

在处理常见物品的测试中，MV-RAG也表现出了与现有最佳方法相当或略优的性能，证明了系统在提升稀有概念处理能力的同时，并没有损害对常见概念的处理质量。这种平衡的性能表现使得MV-RAG成为了一个真正实用的通用3D生成系统。

六、深入的技术分析与消融实验

为了深入理解MV-RAG各个组件的贡献，研究团队进行了详尽的消融实验。这些实验就像拆解一台精密机器，逐一检验每个部件的作用，帮助我们理解系统成功的关键因素。

首先，团队验证了混合训练策略的重要性。当移除2D训练模式时，系统虽然能够处理规整的3D场景，但在面对真实世界的杂乱背景时表现糟糕，经常将背景元素错误地融入到生成的物体中。比如，在生成狗的多视图图像时，可能会在不同视角中都包含原本只应该出现在一个角度的牵引绳。

当移除3D训练模式时，系统失去了几何一致性约束，虽然能够处理真实世界图像的多样性，但生成的不同视角图像之间缺乏3D连贯性。物体的形状、比例甚至颜色都可能在不同视角间发生不合理的变化，就像一个变形金刚一样不停地改变外观。

数据增强策略的作用也得到了验证。在3D训练中，如果不对标准渲染图像进行增强处理，系统就无法很好地适应真实世界检索图像的多样性。增强处理让系统学会了从各种质量、角度、光照条件的图像中提取有用信息的能力。

检索图像数量的影响也经过了仔细研究。实验发现，使用4张检索图像能够达到最佳的性能平衡。数量太少会导致信息不足，无法充分覆盖物体的各种特征；数量太多则会引入噪声，让系统难以聚焦于最相关的信息。这个结果与人类在查阅参考资料时的习惯不谋而合——通常几张代表性图片就足以提供充分的参考信息。

检索策略的选择也经过了深入比较。研究团队测试了基于CLIP语义相似性、SigLIP相似性和BM25文本匹配的不同检索方法。令人意外的是，看似简单的BM25文本匹配方法在处理稀有概念时反而表现最好。这是因为对于罕见物品，语义模型往往缺乏准确的概念理解，而关键词匹配能够更直接地找到相关图像。

自适应融合机制的消融实验显示了其关键作用。当使用固定权重时，系统要么过度依赖检索图像而失去生成的多样性，要么过度依赖自身知识而忽略重要的参考信息。只有动态调节的自适应机制才能在不同情况下达到最佳平衡。

这些消融实验不仅验证了MV-RAG设计选择的合理性，也为未来的改进指明了方向。每个组件都有其不可替代的作用，共同构成了这个强大而稳定的系统。

七、实际应用前景与技术影响

MV-RAG系统的成功不仅仅是学术研究上的突破，更重要的是它为实际应用开启了新的可能性。在游戏开发领域，设计师经常需要创建各种奇特的生物、载具和道具的3D模型。传统方法往往需要艺术家花费大量时间手工建模，而MV-RAG可以根据简单的文字描述快速生成高质量的多视图概念图，大大加速前期概念设计过程。

在电影制作行业，MV-RAG可以帮助概念艺术家快速可视化剧本中描述的各种场景和物品。无论是科幻电影中的未来科技产品，还是奇幻电影中的神秘生物，MV-RAG都能基于导演的文字描述生成逼真的视觉参考，为后续的详细制作提供基础。

虚拟现实和增强现实应用是另一个重要的应用领域。随着这些技术的普及，需要大量的3D内容来丰富虚拟环境。MV-RAG可以帮助内容创作者快速生成各种虚拟物品，从日常用品到想象中的奇特物件，让虚拟世界更加丰富多彩。

在教育领域，MV-RAG可以为历史、生物、工程等学科提供强大的可视化支持。比如，历史老师可以通过文字描述让系统生成古代器物的3D模型，生物老师可以展示各种稀有动植物的立体形象，工程老师可以演示复杂机械结构的各个视角。

电子商务是另一个潜在的重要应用场景。在线购物时，消费者往往需要从多个角度了解商品的外观。MV-RAG可以根据商品描述自动生成多视角展示图，帮助消费者更好地了解商品特性，减少因为信息不足导致的退货率。

从技术发展角度看，MV-RAG代表了AI生成技术的一个重要发展方向：从封闭的、依赖训练数据的生成模式，向开放的、能够利用外部知识的生成模式转变。这种检索增强的方法不仅适用于3D生成，也可以扩展到其他生成任务中。

研究团队已经展示了这种方法的可扩展性。通过简单的调整，MV-RAG的核心思想可以应用到文本生成、音频生成等其他模态。这种通用性使得检索增强生成有望成为下一代AI系统的标准组件。

更重要的是，MV-RAG证明了外部知识库与生成模型结合的巨大潜力。随着互联网数据的不断增长，这种结合外部信息的方法将变得越来越重要，为AI系统处理长尾分布和稀有概念提供了可行的解决方案。

说到底，MV-RAG的成功其实揭示了一个简单而深刻的道理：当我们遇到不熟悉的事物时，最好的办法就是先去查阅相关资料，然后基于这些资料来做出判断。这个朴素的道理在AI系统中同样适用，而MV-RAG正是第一个成功将这个道理转化为实际工作系统的尝试。

这项研究不仅解决了3D生成中的一个重要问题，更为AI系统如何更好地利用人类积累的知识提供了新的思路。在信息爆炸的时代，能够有效利用外部知识的AI系统将具有更强的适应性和实用性。希伯来大学团队的这项工作为我们展示了这个方向的巨大潜力，相信会激发更多相关研究的开展。未来，当我们要求AI系统创建任何奇特物品的3D模型时，它都能够像一个博学的专家一样，先查阅相关资料，然后给出准确而可靠的结果。

Q&A

Q1：MV-RAG是什么？它是如何工作的？

A：MV-RAG是希伯来大学开发的一个3D生成系统，它能够根据文字描述生成物品的多视角3D图像。它的工作原理类似于一个有"图像记忆"的艺术家：当你描述一个物品时，它会先在庞大的图像数据库中搜索相关的真实照片，然后基于这些照片生成准确的3D视图。这样即使是很罕见的物品，它也能生成得很准确。

Q2：MV-RAG相比传统3D生成方法有什么优势？

A：传统方法在处理罕见物品时经常"胡编乱造"，就像没见过大象的画家只能画出长鼻子的马。MV-RAG的最大优势是能够处理训练数据中很少见的稀有概念，比如特殊品种的狗、古董汽车等。它还具有智能判断能力，能根据物品的罕见程度自动调整对参考图像的依赖程度。实验显示，它在处理稀有概念时的准确性远超现有方法。

Q3：MV-RAG系统在实际应用中有哪些用途？

A：MV-RAG在多个领域都有广泛应用前景。游戏开发中可以快速生成各种奇特道具的概念图；电影制作中可以可视化剧本描述的场景和物品；虚拟现实中可以丰富虚拟环境内容；教育领域可以展示历史文物、稀有生物等立体模型；电商平台可以根据商品描述自动生成多角度展示图，帮助消费者更好地了解商品。

　　白露必吃的六种食物　

这项由希伯来大学的Yosef Dayani、Omer Benishu和Sagie Benaim团队开展的研究发表于2025年8月的arxiv预印本平台，论文编号为arXiv:2508.16577v1。感兴趣的读者可以通过项目主页https://yosefdayani.github.io/MV-RAG/了解更多详细信息。

当你想要制作一个从未见过的奇特物品的3D模型时，现有的AI系统往往会"胡编乱造"——就像一个从未见过大象的画家被要求画大象一样，结果可能是一匹长鼻子的马。希伯来大学的研究团队发现了这个问题的根源，并创造出了一个革命性的解决方案：MV-RAG系统。

这个系统的工作原理就像给AI配备了一个"图像记忆库"。当你要求它制作某个罕见物品的3D模型时，它会先到庞大的图像数据库中搜索相关的真实照片，然后基于这些真实照片来生成准确的3D视图。这就好比为那个画家提供了大象的参考照片，让他能够画出真实的大象而不是想象中的怪物。

研究团队面临的最大挑战是如何让AI系统学会同时处理两种完全不同的信息源：一种是来自专业3D数据集的规整多视图图像，另一种是来自互联网的杂乱无章的真实照片。这就像要训练一个厨师既能按照精确的食谱制作标准菜品，又能根据冰箱里的剩菜剩饭创造出美味料理。

为了解决这个问题，他们设计了一套独特的"混合训练"方案。在3D模式下，系统学习如何根据多个视角的标准化图像重建完整的3D物体。同时，研究团队会对这些标准图像进行各种变换和增强，模拟真实世界中照片的多样性。在2D模式下，系统学习如何从一堆互联网上找到的同类物品照片中，预测出被隐藏的那一张照片的样子。

更令人惊叹的是，这个系统还具备了"智能判断"能力。它能够自动评估自己对某个概念的熟悉程度，然后相应地调整对检索图像的依赖程度。对于那些训练数据中很少见的稀有物品，系统会更多地依赖检索到的真实照片；而对于常见物品，它会更多地使用自己已有的知识。这就像一个经验丰富的工匠，遇到熟悉的工艺时可以凭经验制作，遇到陌生的工艺时会仔细研究参考资料。

一、打破传统3D生成的局限性

当前的3D内容生成技术主要依赖于一种叫做"分数蒸馏采样"的方法，这种方法的工作原理类似于一个雕塑家通过反复修改来完善作品。系统会先创建一个粗糙的3D模型，然后使用预训练的2D图像生成模型不断指导修改，直到得到满意的结果。这种方法在处理常见物品时效果不错，但遇到罕见或新奇的物品时就会出现问题。

问题的根源在于，这些2D图像生成模型虽然强大，但它们的知识主要来自于训练时见过的图像。当你要求它们处理训练数据中很少出现的概念时，比如"博洛尼亚犬"或者"IBM 5100便携式计算机"这样的稀有物品，它们往往会用常见的替代品来"糊弄"，或者生成一些几何上不一致的奇怪结果。

为了验证这个问题的严重性，研究团队专门构建了一个包含196个稀有概念的测试集，叫做"OOD-Eval"。这个测试集包含了各种在日常AI训练中很少出现的物品，从濒危动物品种到古董汽车，从特殊昆虫到罕见植物。测试结果显示，传统方法在处理这些稀有概念时表现极差，生成的3D模型要么完全不符合描述，要么在不同视角之间存在严重的不一致性。

另一类尝试解决这个问题的方法是直接从单张图片生成多视图3D模型。这种方法虽然能够利用真实照片的信息，但受限于单一视角的局限性，往往无法准确重建被遮挡的部分。就像通过一张正面照片来雕刻一个人的全身雕像一样，背面和侧面的细节往往只能靠猜测。

还有一些研究尝试通过个性化定制的方式来解决问题，也就是为每个特定物品单独训练一个模型。虽然这种方法在某些情况下能得到不错的结果，但需要为每个物品都进行耗时的训练过程，实用性很有限。

研究团队意识到，解决这个问题的关键在于让AI系统能够有效地利用大量现有的真实图像资源。互联网上存在着海量的各种物品的照片，如果能够让AI系统学会检索和利用这些照片，就能大大扩展其处理稀有概念的能力。

二、革命性的检索增强生成架构

MV-RAG系统的核心创新在于将信息检索技术与多视图扩散模型巧妙结合。整个系统的工作流程可以比作一个拥有完美记忆的艺术家的创作过程：当接到一个创作任务时，艺术家首先会翻阅自己的参考资料库，找出所有相关的图片和资料，然后基于这些参考来创作出准确而一致的作品。

系统的第一个关键组件是图像检索模块。当用户输入一个文本描述时，比如"博洛尼亚犬"，系统会立即在一个包含数百万张图片的大型数据库中搜索相关图像。这个搜索过程使用了一种叫做BM25的文本匹配算法，它专门擅长处理稀有词汇的匹配。研究团队发现，相比于依赖语义理解的搜索方法，这种基于关键词匹配的方法在处理罕见概念时反而更加可靠。

找到相关图片后，系统需要将这些图片转换成适合AI模型理解的形式。这个过程使用了一个叫做"重采样器"的组件，它的作用就像一个翻译官，将原始图片中的视觉信息转换成一系列标准化的"特征令牌"。每张检索到的图片都会被转换成16个这样的令牌，这些令牌包含了图片中最重要的视觉特征信息。

系统的核心是一个经过特殊设计的多视图扩散模型。传统的多视图生成模型只能根据文本描述来生成图像，而MV-RAG的模型被扩展为能够同时处理文本描述和检索图像的信息。这种扩展通过一个叫做"解耦交叉注意力"的机制实现，它允许模型分别处理来自文本和图像的信息，然后再将两者融合。

更重要的是，系统具备了自适应调节能力。它可以根据输入概念的稀有程度自动调整对检索图像的依赖程度。对于系统已经很熟悉的概念，它会主要依赖自己的内在知识；对于陌生的概念，它会更多地依赖检索到的参考图像。这种自适应机制通过一个叫做"先验引导注意力"的技术实现，它会先让模型尝试仅基于文本生成一个初步结果，然后评估这个结果与检索图像的相似性，从而判断模型对该概念的熟悉程度。

三、突破性的混合训练策略

训练MV-RAG系统面临的最大挑战是如何让它既能理解规整的3D数据，又能处理杂乱的2D图像集合。这就像要训练一个学生既能解决教科书上的标准题目，又能应对现实世界中的复杂问题。研究团队设计了一套独特的"混合训练"策略来解决这个难题。

在3D训练模式下，系统使用来自Objaverse数据集的高质量3D模型。这些3D模型被渲染成多个标准视角的图像，就像为一个物品拍摄产品照片一样，从正面、侧面、背面等不同角度都拍摄清晰的照片。但是，为了模拟真实世界检索图像的多样性，研究团队对这些标准图像进行了大量的变换和增强。

这些增强变换包括透视扭曲、随机旋转、裁剪缩放、颜色调整等各种操作，目的是让这些原本规整的图像看起来更像从互联网上随机找到的照片。更进一步，研究团队还使用了图像变化生成模型来创建同一物品的不同版本，比如改变材质、光照或背景等。这样，系统在训练时就能学会如何从这些多样化的"模拟检索图像"中提取有用的信息。

在2D训练模式下，系统使用ImageNet21K数据集中的真实图像。这个数据集包含了21000多个不同类别的物品照片，每个类别都有多张来自不同来源的真实照片。训练过程采用了一种叫做"留出视图预测"的方法：系统会看到同一类别的K张图片，然后被要求预测第K+1张图片的样子。

这种训练方法的巧妙之处在于，它迫使系统学会从一组不同视角、不同条件下的照片中提取出物品的本质特征，然后基于这些特征来推测物品在新视角下的样子。这个过程培养了系统的"3D想象能力"，让它能够从2D图像中推断出3D几何结构。

更重要的是，2D训练模式使用的是标准的2D自注意力机制，而不是3D多视图注意力。这意味着系统在处理真实世界的杂乱图像时，不会被3D几何约束所束缚，能够更灵活地处理各种复杂情况。

两种训练模式的交替进行让系统既获得了处理3D几何的能力，又具备了理解真实世界图像多样性的本领。这种混合策略的效果就像培养一个既有理论基础又有实践经验的专家，能够在面对新情况时灵活应对。

四、智能的自适应融合机制

MV-RAG系统最令人印象深刻的特性之一是它的"智能判断"能力。就像一个经验丰富的专家能够根据问题的难易程度来决定是否需要查阅参考资料，MV-RAG系统也能够自动评估自己对某个概念的熟悉程度，并相应地调整对检索图像的依赖程度。

这个自适应机制的工作原理基于扩散模型的一个重要特性：扩散模型本质上是在学习数据的概率分布，它的输出反映了输入概念在训练数据中的常见程度。当模型遇到训练时经常见到的概念时，它会很"自信"地生成结果；当遇到罕见概念时，生成的结果往往会偏向于更常见的替代品。

系统利用这个特性设计了一个巧妙的评估机制。在正式生成最终结果之前，系统会先进行一次"试探性生成"：仅使用文本描述，忽略检索到的图像，快速生成一个初步结果。然后，系统会将这个初步结果与检索到的真实图像进行比较，计算它们之间的视觉相似性。

如果初步生成的结果与检索图像很相似，说明系统对这个概念很熟悉，能够仅凭文本描述就生成准确的结果。在这种情况下，系统会增加对自身先验知识的依赖，减少对检索图像的依赖。相反，如果初步结果与检索图像差异很大，说明这是一个对系统来说很陌生的概念，系统就会增加对检索图像的依赖程度。

这种自适应调节通过一个动态权重参数α来实现。当系统判断自己很熟悉某个概念时，α值会比较高，意味着更多地使用系统自身的知识；当判断概念很陌生时，α值会很低，意味着更多地依赖检索图像的指导。这种动态调节确保了系统在不同情况下都能发挥最佳性能。

研究团队通过大量实验验证了这种自适应机制的有效性。对于常见物品如"狗"或"汽车"，系统会适当降低对检索图像的依赖，避免被检索图像中的特定细节所束缚；对于罕见物品如"博洛尼亚犬"或"IBM 5100便携式计算机"，系统会大幅增加对检索图像的依赖，确保生成结果的准确性。

这种智能调节机制让MV-RAG系统具备了类似人类专家的判断能力，能够根据具体情况灵活调整策略，这是传统固定权重系统无法实现的重要优势。

五、全面的实验验证与性能突破

为了验证MV-RAG系统的有效性，研究团队设计了一套全面的评估体系。由于现有的3D生成评估数据集主要关注常见物品，团队专门构建了OOD-Eval数据集，包含196个精心挑选的稀有概念，涵盖了从濒危动物到古董汽车的各种罕见物品。

实验结果令人印象深刻。在处理这些稀有概念时，MV-RAG在多项关键指标上都显著超越了现有方法。在图像质量评估方面，MV-RAG的CLIP相似性得分达到71.77，而最好的基线方法只有70.31。在DINOv2相似性评估中，MV-RAG达到了50.19的高分，远超第二名的49.14。更重要的是，在衡量生成图像与真实参考图像匹配程度的实例检索指标上，MV-RAG达到了67.41，明显超过了所有对比方法。

为了更全面地评估3D一致性，研究团队采用了重渲染评估方法。他们使用生成的多视图图像重建3D模型，然后从新的视角渲染图像，检验重建质量。结果显示，MV-RAG在这个更严格的评估中仍然保持领先地位，证明了其生成的多视图图像确实具有良好的3D几何一致性。

除了客观指标评估，研究团队还进行了用户研究。30名参与者对不同方法生成的结果在真实感、文本对齐程度和3D一致性三个维度进行评分。结果显示，MV-RAG在所有三个维度上都获得了最高评分，其中真实感得分4.12（满分5分），文本对齐度4.44，3D一致性4.44，远超传统方法的得分。

更有趣的是，研究团队发现传统的CLIP文本图像相似性指标在评估稀有概念时存在严重偏差。CLIP模型由于训练数据的限制，对于罕见概念往往给出不准确的相似性评分，有时甚至会给明显错误的生成结果打高分。这个发现进一步证实了传统方法在处理稀有概念时的根本性问题。

在处理常见物品的测试中，MV-RAG也表现出了与现有最佳方法相当或略优的性能，证明了系统在提升稀有概念处理能力的同时，并没有损害对常见概念的处理质量。这种平衡的性能表现使得MV-RAG成为了一个真正实用的通用3D生成系统。

六、深入的技术分析与消融实验

为了深入理解MV-RAG各个组件的贡献，研究团队进行了详尽的消融实验。这些实验就像拆解一台精密机器，逐一检验每个部件的作用，帮助我们理解系统成功的关键因素。

首先，团队验证了混合训练策略的重要性。当移除2D训练模式时，系统虽然能够处理规整的3D场景，但在面对真实世界的杂乱背景时表现糟糕，经常将背景元素错误地融入到生成的物体中。比如，在生成狗的多视图图像时，可能会在不同视角中都包含原本只应该出现在一个角度的牵引绳。

当移除3D训练模式时，系统失去了几何一致性约束，虽然能够处理真实世界图像的多样性，但生成的不同视角图像之间缺乏3D连贯性。物体的形状、比例甚至颜色都可能在不同视角间发生不合理的变化，就像一个变形金刚一样不停地改变外观。

数据增强策略的作用也得到了验证。在3D训练中，如果不对标准渲染图像进行增强处理，系统就无法很好地适应真实世界检索图像的多样性。增强处理让系统学会了从各种质量、角度、光照条件的图像中提取有用信息的能力。

检索图像数量的影响也经过了仔细研究。实验发现，使用4张检索图像能够达到最佳的性能平衡。数量太少会导致信息不足，无法充分覆盖物体的各种特征；数量太多则会引入噪声，让系统难以聚焦于最相关的信息。这个结果与人类在查阅参考资料时的习惯不谋而合——通常几张代表性图片就足以提供充分的参考信息。

检索策略的选择也经过了深入比较。研究团队测试了基于CLIP语义相似性、SigLIP相似性和BM25文本匹配的不同检索方法。令人意外的是，看似简单的BM25文本匹配方法在处理稀有概念时反而表现最好。这是因为对于罕见物品，语义模型往往缺乏准确的概念理解，而关键词匹配能够更直接地找到相关图像。

自适应融合机制的消融实验显示了其关键作用。当使用固定权重时，系统要么过度依赖检索图像而失去生成的多样性，要么过度依赖自身知识而忽略重要的参考信息。只有动态调节的自适应机制才能在不同情况下达到最佳平衡。

这些消融实验不仅验证了MV-RAG设计选择的合理性，也为未来的改进指明了方向。每个组件都有其不可替代的作用，共同构成了这个强大而稳定的系统。

七、实际应用前景与技术影响

MV-RAG系统的成功不仅仅是学术研究上的突破，更重要的是它为实际应用开启了新的可能性。在游戏开发领域，设计师经常需要创建各种奇特的生物、载具和道具的3D模型。传统方法往往需要艺术家花费大量时间手工建模，而MV-RAG可以根据简单的文字描述快速生成高质量的多视图概念图，大大加速前期概念设计过程。

在电影制作行业，MV-RAG可以帮助概念艺术家快速可视化剧本中描述的各种场景和物品。无论是科幻电影中的未来科技产品，还是奇幻电影中的神秘生物，MV-RAG都能基于导演的文字描述生成逼真的视觉参考，为后续的详细制作提供基础。

虚拟现实和增强现实应用是另一个重要的应用领域。随着这些技术的普及，需要大量的3D内容来丰富虚拟环境。MV-RAG可以帮助内容创作者快速生成各种虚拟物品，从日常用品到想象中的奇特物件，让虚拟世界更加丰富多彩。

在教育领域，MV-RAG可以为历史、生物、工程等学科提供强大的可视化支持。比如，历史老师可以通过文字描述让系统生成古代器物的3D模型，生物老师可以展示各种稀有动植物的立体形象，工程老师可以演示复杂机械结构的各个视角。

电子商务是另一个潜在的重要应用场景。在线购物时，消费者往往需要从多个角度了解商品的外观。MV-RAG可以根据商品描述自动生成多视角展示图，帮助消费者更好地了解商品特性，减少因为信息不足导致的退货率。

从技术发展角度看，MV-RAG代表了AI生成技术的一个重要发展方向：从封闭的、依赖训练数据的生成模式，向开放的、能够利用外部知识的生成模式转变。这种检索增强的方法不仅适用于3D生成，也可以扩展到其他生成任务中。

研究团队已经展示了这种方法的可扩展性。通过简单的调整，MV-RAG的核心思想可以应用到文本生成、音频生成等其他模态。这种通用性使得检索增强生成有望成为下一代AI系统的标准组件。

更重要的是，MV-RAG证明了外部知识库与生成模型结合的巨大潜力。随着互联网数据的不断增长，这种结合外部信息的方法将变得越来越重要，为AI系统处理长尾分布和稀有概念提供了可行的解决方案。

说到底，MV-RAG的成功其实揭示了一个简单而深刻的道理：当我们遇到不熟悉的事物时，最好的办法就是先去查阅相关资料，然后基于这些资料来做出判断。这个朴素的道理在AI系统中同样适用，而MV-RAG正是第一个成功将这个道理转化为实际工作系统的尝试。

这项研究不仅解决了3D生成中的一个重要问题，更为AI系统如何更好地利用人类积累的知识提供了新的思路。在信息爆炸的时代，能够有效利用外部知识的AI系统将具有更强的适应性和实用性。希伯来大学团队的这项工作为我们展示了这个方向的巨大潜力，相信会激发更多相关研究的开展。未来，当我们要求AI系统创建任何奇特物品的3D模型时，它都能够像一个博学的专家一样，先查阅相关资料，然后给出准确而可靠的结果。

Q&A

Q1：MV-RAG是什么？它是如何工作的？

A：MV-RAG是希伯来大学开发的一个3D生成系统，它能够根据文字描述生成物品的多视角3D图像。它的工作原理类似于一个有"图像记忆"的艺术家：当你描述一个物品时，它会先在庞大的图像数据库中搜索相关的真实照片，然后基于这些照片生成准确的3D视图。这样即使是很罕见的物品，它也能生成得很准确。

Q2：MV-RAG相比传统3D生成方法有什么优势？

A：传统方法在处理罕见物品时经常"胡编乱造"，就像没见过大象的画家只能画出长鼻子的马。MV-RAG的最大优势是能够处理训练数据中很少见的稀有概念，比如特殊品种的狗、古董汽车等。它还具有智能判断能力，能根据物品的罕见程度自动调整对参考图像的依赖程度。实验显示，它在处理稀有概念时的准确性远超现有方法。

Q3：MV-RAG系统在实际应用中有哪些用途？

A：MV-RAG在多个领域都有广泛应用前景。游戏开发中可以快速生成各种奇特道具的概念图；电影制作中可以可视化剧本描述的场景和物品；虚拟现实中可以丰富虚拟环境内容；教育领域可以展示历史文物、稀有生物等立体模型；电商平台可以根据商品描述自动生成多角度展示图，帮助消费者更好地了解商品。

更新内容

一、修复bug，修改自动播放;优化产品用户体验。

二、 1.修复已知Bug。2.新服务。

三、修复已知bug;优化用户体验

四、1，交互全面优化，用户操作更加便捷高效;2，主题色更新，界面风格更加协调;3，增加卡片类个人数据

五、-千万商品随意挑选，大图展现商品细节-订单和物流查询实时同步-支持团购和名品特卖，更有手机专享等你抢-支付宝和银联多种支付方式，轻松下单，快捷支付-新浪微博，支付宝，QQ登录，不用注册也能购物-支持商品收藏，随时查询喜爱的商品和历史购物清单。

六、1.bug修复，提升用户体验;2.优化加载，体验更流程;3.提升安卓系统兼容性

七、1、修复部分机型bug;2、提高游戏流畅度;

厂商其他下载

安卓应用 安卓手游 苹果应用 苹果手游 电脑 劝老外取消订单劝不住

相关版本

多平台下载

Android版 PC版

查看所有 0条评论>网友评论

发表评论

(您的评论需要经过审核才能显示) 网友粉丝

查看所有 802条评论>>

相关游戏
梓渝toodeep唱跳 艺人皮肤白的原因 上海地铁9号线试点拆座椅增加空间 人一定要有个小号 曝男明星把甲方样机卖了 曝男明星把甲方样机卖了 曝男明星把甲方样机卖了 特朗普误将美国国旗当毯子 关晓彤ins更新 租客弃猫失联致5只猫坠楼死亡 metal母版杂志报道田栩宁 梓渝toodeep唱跳 关晓彤ins更新 宝妈花2万住月子中心遭虫爬身 意大利女排3比2巴西女排 白露必吃的六种食物 中级财管 官方通报高校75万采购事件全过程 特朗普误将美国国旗当毯子 让世界正气充盈乾坤朗朗 冯绍峰威尼斯眼镜造型 c罗梅开二度 租客弃猫失联致5只猫坠楼死亡 宝妈花2万住月子中心遭虫爬身 建议裤子不要卡码买 维斯塔潘创F1历史最快单圈 老人猥亵女性因高龄患绝症未被拘留 月全食 想减肥就去干团播 东风5C打击范围覆盖全球 宝妈花2万住月子中心遭虫爬身 樊振东收获德甲首胜 上海地铁9号线试点拆座椅增加空间 c罗梅开二度 致敬每一位默默坚守的身影 抱抱抗日老战士 王俊凯怎么瘦成这样了 江苏卫视你是有多等不及啊 关晓彤穿比基尼好辣 骑手称配送死鳄鱼结果半路活了 梓渝toodeep唱跳 有些体味是疾病信号 江苏卫视你是有多等不及啊 刘宇宁说造谣恶心至极 遭老板性侵女子称113万不能弥补损失 韩国外卖员月入1万5 让世界正气充盈乾坤朗朗 樊振东第一时间和队长复盘 宝妈花2万住月子中心遭虫爬身 樊振东第一时间和队长复盘 遭老板性侵女子称113万不能弥补损失 建议裤子不要卡码买 白色座椅贴红色标签引发误读 原来矿泉水可以喝出是尖水和圆水 真的建议女生不要失去打扮欲 确诊为轻微智障的5个表现 阅兵当天才知道自己做的包去哪儿了 威马前员工称收到召回邀约 刘宇宁直播辟谣与经纪人恋情 樊振东收获德甲两连胜 白色座椅贴红色标签引发误读 意大利女排3比2巴西女排 关晓彤ins更新 确诊为轻微智障的5个表现 关晓彤穿比基尼好辣 杜淳妻子自曝亲戚被保姆虐待 梓渝晨昏线rap 梓渝toodeep唱跳 毛主席嫡孙一家参加九三阅兵 确诊为轻微智障的5个表现 梓渝晨昏线rap 樊振东第一时间和队长复盘 致敬每一位默默坚守的身影 东风5C打击范围覆盖全球 维斯塔潘创F1历史最快单圈 梓渝toodeep唱跳 时团cos音乐喷泉 原来矿泉水可以喝出是尖水和圆水 王俊凯怎么瘦成这样了 东风5C打击范围覆盖全球 威马前员工称收到召回邀约 2岁男孩被爷爷女友带走后遗弃 metal母版杂志报道田栩宁 樊振东第一时间和队长复盘 鹿晗的车开回来那一刻 工地热死了8个工人系谣言 真的建议女生不要失去打扮欲 宝妈花2万住月子中心遭虫爬身 遭老板性侵女子称113万不能弥补损失 杜淳妻子自曝亲戚被保姆虐待 老人猥亵女性因高龄患绝症未被拘留 有些体味是疾病信号 毛主席嫡孙一家参加九三阅兵 周启豪vs户上隼辅 2岁男孩被爷爷女友带走后遗弃 有些体味是疾病信号 鹿晗的车开回来那一刻 重庆三峡学院中标公司被罚9000元 威马前员工称收到召回邀约 8万只气球去哪儿了 刘宇宁直播辟谣与经纪人恋情 想减肥就去干团播 2岁男孩被爷爷女友带走后遗弃 樊振东收获德甲首胜 想减肥就去干团播 北京杜莎夫人蜡像馆将永久关停 metal母版杂志报道田栩宁 生病急需钱家人发现32万做了生意 metal母版杂志报道田栩宁 刘宇宁说造谣恶心至极 老人猥亵女性因高龄患绝症未被拘留 官方通报高校75万采购事件全过程 白露必吃的六种食物 艺人皮肤白的原因 樊振东收获德甲首胜 重庆三峡学院中标公司被罚9000元 老人猥亵女性因高龄患绝症未被拘留 威马前员工称收到召回邀约 毛主席嫡孙一家参加九三阅兵 关晓彤穿比基尼好辣 想减肥就去干团播 曝男明星把甲方样机卖了 艺人皮肤白的原因 抱抱抗日老战士 metal母版杂志报道田栩宁 上海地铁9号线试点拆座椅增加空间 月全食 梓渝晨昏线rap 特朗普误将美国国旗当毯子 北京杜莎夫人蜡像馆将永久关停 白露必吃的六种食物 维斯塔潘创F1历史最快单圈 北京杜莎夫人蜡像馆将永久关停 亚裔女子在泰被沉尸 骑手称配送死鳄鱼结果半路活了 女子在泰被沉尸胸部假体印中文 艺人皮肤白的原因 上海地铁9号线试点拆座椅增加空间 威马前员工称收到召回邀约 刘宇宁说造谣恶心至极 艺人皮肤白的原因 毛主席嫡孙一家参加九三阅兵 中元节禁忌是对传统节日的曲解 维斯塔潘夺F1意大利站杆位 樊振东收获德甲首胜 樊振东收获德甲两连胜 梓渝晨昏线rap 骑手称配送死鳄鱼结果半路活了 辛芷蕾 威尼斯电影节 辛芷蕾 威尼斯电影节 月全食 白色座椅贴红色标签引发误读 赵涛评委 人一定要有个小号 人一定要有个小号 艺人皮肤白的原因 劝老外取消订单劝不住 辛芷蕾不好意思去搓澡 魏大勋抱赵今麦投篮 韩国外卖员月入1万5 c罗梅开二度 真的建议女生不要失去打扮欲 中级财管 劝老外取消订单劝不住 老人猥亵女性因高龄患绝症未被拘留 维斯塔潘创F1历史最快单圈 意大利女排3比2巴西女排 王俊凯怎么瘦成这样了 鹿晗的车开回来那一刻 韩国外卖员月入1万5 工地热死了8个工人系谣言 建议裤子不要卡码买 真的建议女生不要失去打扮欲 重庆三峡学院中标公司被罚9000元 樊振东第一时间和队长复盘 官方通报高校75万采购事件全过程 樊振东收获德甲两连胜 韩国外卖员月入1万5 樊振东收获德甲两连胜 王俊凯怎么瘦成这样了 刘宇宁说造谣恶心至极 人一定要有个小号 辛芷蕾 威尼斯电影节 致敬每一位默默坚守的身影 2岁男孩被爷爷女友带走后遗弃 真的建议女生不要失去打扮欲 metal母版杂志报道田栩宁 老人猥亵女性因高龄患绝症未被拘留 东风5C打击范围覆盖全球 北京杜莎夫人蜡像馆将永久关停 特朗普误将美国国旗当毯子 曝男明星把甲方样机卖了 鹿晗的车开回来那一刻 特朗普误将美国国旗当毯子 宝妈花2万住月子中心遭虫爬身 宋浩然离婚净身出户 北京杜莎夫人蜡像馆将永久关停 让世界正气充盈乾坤朗朗 张杰 一般一般世界第三 生病急需钱家人发现32万做了生意 抱抱抗日老战士 周启豪vs户上隼辅 遭老板性侵女子称113万不能弥补损失 有些体味是疾病信号 中级财管 8万只气球去哪儿了 辛芷蕾不好意思去搓澡 时团cos音乐喷泉
更多>心动网络手游
特朗普误将美国国旗当毯子 毛主席嫡孙一家参加九三阅兵 刘宇宁直播辟谣与经纪人恋情 劝老外取消订单劝不住 宋浩然离婚净身出户 刘宇宁说造谣恶心至极 官方通报高校75万采购事件全过程 工地热死了8个工人系谣言 时团cos音乐喷泉 辛芷蕾不好意思去搓澡 原来矿泉水可以喝出是尖水和圆水 骑手称配送死鳄鱼结果半路活了 亚裔女子在泰被沉尸 重庆三峡学院中标公司被罚9000元 刘宇宁直播辟谣与经纪人恋情 阅兵当天才知道自己做的包去哪儿了 让世界正气充盈乾坤朗朗 时团cos音乐喷泉 樊振东收获德甲两连胜 东部战区回应加澳军舰过航台湾海峡 中元节禁忌是对传统节日的曲解 阅兵当天才知道自己做的包去哪儿了 特朗普误将美国国旗当毯子 劝老外取消订单劝不住 原来矿泉水可以喝出是尖水和圆水 白露必吃的六种食物 宋浩然离婚净身出户 魏大勋抱赵今麦投篮 关晓彤ins更新 世界看到了中国阅兵 威马前员工称收到召回邀约 建议裤子不要卡码买 韩国外卖员月入1万5 张杰 一般一般世界第三 确诊为轻微智障的5个表现 威马前员工称收到召回邀约 威马前员工称收到召回邀约 女子在泰被沉尸胸部假体印中文 真的建议女生不要失去打扮欲 宋浩然离婚净身出户 刘宇宁说造谣恶心至极 樊振东第一时间和队长复盘 建议裤子不要卡码买 赵涛评委 辛芷蕾不好意思去搓澡 赵涛评委 意大利女排3比2巴西女排 中元节禁忌是对传统节日的曲解 鹿晗的车开回来那一刻 鹿晗的车开回来那一刻 辛芷蕾 威尼斯电影节 2岁男孩被爷爷女友带走后遗弃 致敬每一位默默坚守的身影 老人猥亵女性因高龄患绝症未被拘留 致敬每一位默默坚守的身影 樊振东收获德甲首胜 樊振东收获德甲首胜 白色座椅贴红色标签引发误读 宋浩然离婚净身出户 江苏卫视你是有多等不及啊 刘宇宁直播辟谣与经纪人恋情 劝老外取消订单劝不住 冯绍峰威尼斯眼镜造型 艺人皮肤白的原因 生病急需钱家人发现32万做了生意 租客弃猫失联致5只猫坠楼死亡 致敬每一位默默坚守的身影 8万只气球去哪儿了 东部战区回应加澳军舰过航台湾海峡 上海地铁9号线试点拆座椅增加空间 骑手称配送死鳄鱼结果半路活了 辛芷蕾 威尼斯电影节 工地热死了8个工人系谣言 确诊为轻微智障的5个表现 劝老外取消订单劝不住 中级财管 女生要选择把你的感受放在第一位的人 上海地铁9号线试点拆座椅增加空间 月全食 北京杜莎夫人蜡像馆将永久关停 女生要选择把你的感受放在第一位的人 梓渝晨昏线rap 江苏卫视你是有多等不及啊 月全食 遭老板性侵女子称113万不能弥补损失 人一定要有个小号 北京杜莎夫人蜡像馆将永久关停 樊振东第一时间和队长复盘 致敬每一位默默坚守的身影 c罗梅开二度 维斯塔潘夺F1意大利站杆位 c罗梅开二度 时团cos音乐喷泉 中级财管 确诊为轻微智障的5个表现 亚裔女子在泰被沉尸 樊振东第一时间和队长复盘 辛芷蕾 威尼斯电影节 曝男明星把甲方样机卖了 劝老外取消订单劝不住 张杰 一般一般世界第三 威马前员工称收到召回邀约 建议裤子不要卡码买 2岁男孩被爷爷女友带走后遗弃 关晓彤穿比基尼好辣 建议裤子不要卡码买 王俊凯怎么瘦成这样了 人一定要有个小号 东部战区回应加澳军舰过航台湾海峡 四川2名消防员训练遇险失联 鹿晗的车开回来那一刻 梓渝晨昏线rap 工地热死了8个工人系谣言 老人猥亵女性因高龄患绝症未被拘留 杜淳妻子自曝亲戚被保姆虐待 2岁男孩被爷爷女友带走后遗弃 致敬每一位默默坚守的身影 赵涛评委 c罗梅开二度 租客弃猫失联致5只猫坠楼死亡 抱抱抗日老战士 辛芷蕾 威尼斯电影节 时团cos音乐喷泉 租客弃猫失联致5只猫坠楼死亡 亚裔女子在泰被沉尸 上海地铁9号线试点拆座椅增加空间 辛芷蕾 威尼斯电影节 维斯塔潘创F1历史最快单圈 韩国外卖员月入1万5 抱抱抗日老战士 8万只气球去哪儿了 老人猥亵女性因高龄患绝症未被拘留 确诊为轻微智障的5个表现 重庆三峡学院中标公司被罚9000元 metal母版杂志报道田栩宁 意大利女排3比2巴西女排 关晓彤ins更新 威马前员工称收到召回邀约 6名消防人员训练时落水2人失踪 劝老外取消订单劝不住 北京杜莎夫人蜡像馆将永久关停 时团cos音乐喷泉 官方通报高校75万采购事件全过程 维斯塔潘创F1历史最快单圈 劝老外取消订单劝不住 关晓彤ins更新 冯绍峰威尼斯眼镜造型 生病急需钱家人发现32万做了生意 建议裤子不要卡码买 中级财管 6名消防人员训练时落水2人失踪 江苏卫视你是有多等不及啊 建议裤子不要卡码买 魏大勋抱赵今麦投篮 关晓彤ins更新 租客弃猫失联致5只猫坠楼死亡 白露必吃的六种食物 官方通报高校75万采购事件全过程 致敬每一位默默坚守的身影 人一定要有个小号 刘宇宁直播辟谣与经纪人恋情 女子在泰被沉尸胸部假体印中文 中级财管 中元节禁忌是对传统节日的曲解 宋浩然离婚净身出户 梓渝晨昏线rap 上海地铁9号线试点拆座椅增加空间 重庆三峡学院中标公司被罚9000元 张杰 一般一般世界第三 6名消防人员训练时落水2人失踪 刘宇宁直播辟谣与经纪人恋情 张杰 一般一般世界第三 时团cos音乐喷泉 确诊为轻微智障的5个表现 维斯塔潘夺F1意大利站杆位 致敬每一位默默坚守的身影 世界看到了中国阅兵 遭老板性侵女子称113万不能弥补损失 四川2名消防员训练遇险失联 时团cos音乐喷泉 意大利女排3比2巴西女排 原来矿泉水可以喝出是尖水和圆水 上海地铁9号线试点拆座椅增加空间 王俊凯怎么瘦成这样了 关晓彤穿比基尼好辣 江苏卫视你是有多等不及啊 重庆三峡学院中标公司被罚9000元 刘宇宁说造谣恶心至极 刘宇宁直播辟谣与经纪人恋情 关晓彤ins更新 重庆三峡学院中标公司被罚9000元 杜淳妻子自曝亲戚被保姆虐待 工地热死了8个工人系谣言 月全食 维斯塔潘夺F1意大利站杆位 特朗普误将美国国旗当毯子 女子在泰被沉尸胸部假体印中文 关晓彤ins更新 毛主席嫡孙一家参加九三阅兵 8万只气球去哪儿了 遭老板性侵女子称113万不能弥补损失 周启豪vs户上隼辅 维斯塔潘创F1历史最快单圈 原来矿泉水可以喝出是尖水和圆水 真的建议女生不要失去打扮欲 确诊为轻微智障的5个表现 想减肥就去干团播 metal母版杂志报道田栩宁 韩国外卖员月入1万5 人一定要有个小号 遭老板性侵女子称113万不能弥补损失 建议裤子不要卡码买 中元节禁忌是对传统节日的曲解 艺人皮肤白的原因 维斯塔潘夺F1意大利站杆位 6名消防人员训练时落水2人失踪 关晓彤ins更新 杜淳妻子自曝亲戚被保姆虐待 白色座椅贴红色标签引发误读 中元节禁忌是对传统节日的曲解 江苏卫视你是有多等不及啊 8万只气球去哪儿了 张杰 一般一般世界第三 周启豪vs户上隼辅 确诊为轻微智障的5个表现 宝妈花2万住月子中心遭虫爬身 樊振东收获德甲首胜 樊振东收获德甲两连胜 四川2名消防员训练遇险失联 东部战区回应加澳军舰过航台湾海峡 中级财管 老人猥亵女性因高龄患绝症未被拘留 亚裔女子在泰被沉尸 北京杜莎夫人蜡像馆将永久关停 metal母版杂志报道田栩宁 北京杜莎夫人蜡像馆将永久关停 世界看到了中国阅兵 中元节禁忌是对传统节日的曲解 女生要选择把你的感受放在第一位的人 刘宇宁直播辟谣与经纪人恋情 北京杜莎夫人蜡像馆将永久关停 中级财管 老人猥亵女性因高龄患绝症未被拘留 维斯塔潘创F1历史最快单圈 生病急需钱家人发现32万做了生意 有些体味是疾病信号 想减肥就去干团播 辛芷蕾不好意思去搓澡 韩国外卖员月入1万5 白露必吃的六种食物 宝妈花2万住月子中心遭虫爬身 6名消防人员训练时落水2人失踪 metal母版杂志报道田栩宁 致敬每一位默默坚守的身影 中级财管 建议裤子不要卡码买 魏大勋抱赵今麦投篮 特朗普误将美国国旗当毯子 辛芷蕾 威尼斯电影节 老人猥亵女性因高龄患绝症未被拘留 北京杜莎夫人蜡像馆将永久关停 2岁男孩被爷爷女友带走后遗弃 毛主席嫡孙一家参加九三阅兵 劝老外取消订单劝不住 女生要选择把你的感受放在第一位的人 女子在泰被沉尸胸部假体印中文 东风5C打击范围覆盖全球 威马前员工称收到召回邀约 metal母版杂志报道田栩宁 刘宇宁说造谣恶心至极 韩国外卖员月入1万5 人一定要有个小号 韩国外卖员月入1万5 女生要选择把你的感受放在第一位的人 抱抱抗日老战士 北京杜莎夫人蜡像馆将永久关停 白露必吃的六种食物 毛主席嫡孙一家参加九三阅兵 c罗梅开二度 宋浩然离婚净身出户 四川2名消防员训练遇险失联 维斯塔潘创F1历史最快单圈 原来矿泉水可以喝出是尖水和圆水 冯绍峰威尼斯眼镜造型 中元节禁忌是对传统节日的曲解 刘宇宁直播辟谣与经纪人恋情 梓渝toodeep唱跳 8万只气球去哪儿了 c罗梅开二度 有些体味是疾病信号 骑手称配送死鳄鱼结果半路活了 工地热死了8个工人系谣言 东部战区回应加澳军舰过航台湾海峡 有些体味是疾病信号 威马前员工称收到召回邀约 女子在泰被沉尸胸部假体印中文 梓渝晨昏线rap metal母版杂志报道田栩宁 重庆三峡学院中标公司被罚9000元 关晓彤穿比基尼好辣 樊振东收获德甲首胜 致敬每一位默默坚守的身影 张杰 一般一般世界第三 劝老外取消订单劝不住 北京杜莎夫人蜡像馆将永久关停 威马前员工称收到召回邀约 曝男明星把甲方样机卖了 维斯塔潘夺F1意大利站杆位 关晓彤ins更新 辛芷蕾不好意思去搓澡 艺人皮肤白的原因 刘宇宁直播辟谣与经纪人恋情 宋浩然离婚净身出户 确诊为轻微智障的5个表现 樊振东收获德甲首胜 抱抱抗日老战士 c罗梅开二度 樊振东收获德甲两连胜 白色座椅贴红色标签引发误读 辛芷蕾 威尼斯电影节 致敬每一位默默坚守的身影 王俊凯怎么瘦成这样了 北京杜莎夫人蜡像馆将永久关停 有些体味是疾病信号 租客弃猫失联致5只猫坠楼死亡 世界看到了中国阅兵 维斯塔潘夺F1意大利站杆位 建议裤子不要卡码买 张杰 一般一般世界第三 樊振东收获德甲两连胜 曝男明星把甲方样机卖了 有些体味是疾病信号 metal母版杂志报道田栩宁 人一定要有个小号 c罗梅开二度 韩国外卖员月入1万5 杜淳妻子自曝亲戚被保姆虐待 人一定要有个小号 四川2名消防员训练遇险失联 6名消防人员训练时落水2人失踪 维斯塔潘夺F1意大利站杆位 梓渝晨昏线rap 毛主席嫡孙一家参加九三阅兵 梓渝toodeep唱跳 2岁男孩被爷爷女友带走后遗弃 张杰 一般一般世界第三 北京杜莎夫人蜡像馆将永久关停 遭老板性侵女子称113万不能弥补损失 阅兵当天才知道自己做的包去哪儿了 四川2名消防员训练遇险失联 阅兵当天才知道自己做的包去哪儿了 女子在泰被沉尸胸部假体印中文 樊振东收获德甲首胜 维斯塔潘创F1历史最快单圈 威马前员工称收到召回邀约 原来矿泉水可以喝出是尖水和圆水 &亚裔女子在泰被沉尸 关晓彤穿比基尼好辣 有些体味是疾病信号 老人猥亵女性因高龄患绝症未被拘留 关晓彤穿比基尼好辣 鹿晗的车开回来那一刻 毛主席嫡孙一家参加九三阅兵 官方通报高校75万采购事件全过程 北京杜莎夫人蜡像馆将永久关停 梓渝toodeep唱跳 张杰 一般一般世界第三 樊振东收获德甲两连胜 樊振东收获德甲首胜 冯绍峰威尼斯眼镜造型 中元节禁忌是对传统节日的曲解 梓渝晨昏线rap 鹿晗的车开回来那一刻 有些体味是疾病信号 骑手称配送死鳄鱼结果半路活了 魏大勋抱赵今麦投篮 确诊为轻微智障的5个表现 毛主席嫡孙一家参加九三阅兵 特朗普误将美国国旗当毯子 樊振东第一时间和队长复盘 阅兵当天才知道自己做的包去哪儿了 关晓彤ins更新 劝老外取消订单劝不住 致敬每一位默默坚守的身影 关晓彤穿比基尼好辣 樊振东第一时间和队长复盘 6名消防人员训练时落水2人失踪 关晓彤ins更新 北京杜莎夫人蜡像馆将永久关停 维斯塔潘创F1历史最快单圈 刘宇宁说造谣恶心至极 樊振东收获德甲首胜 抱抱抗日老战士 维斯塔潘夺F1意大利站杆位 原来矿泉水可以喝出是尖水和圆水 8万只气球去哪儿了 梓渝晨昏线rap 女生要选择把你的感受放在第一位的人 时团cos音乐喷泉 毛主席嫡孙一家参加九三阅兵
更多>像素rpg游戏
确诊为轻微智障的5个表现 意大利女排3比2巴西女排 宋浩然离婚净身出户 维斯塔潘创F1历史最快单圈 亚裔女子在泰被沉尸 王俊凯怎么瘦成这样了 有些体味是疾病信号 世界看到了中国阅兵 原来矿泉水可以喝出是尖水和圆水 艺人皮肤白的原因 官方通报高校75万采购事件全过程 致敬每一位默默坚守的身影 特朗普误将美国国旗当毯子 中级财管 抱抱抗日老战士 四川2名消防员训练遇险失联 冯绍峰威尼斯眼镜造型 世界看到了中国阅兵 毛主席嫡孙一家参加九三阅兵 樊振东收获德甲首胜 8万只气球去哪儿了 意大利女排3比2巴西女排 中元节禁忌是对传统节日的曲解 遭老板性侵女子称113万不能弥补损失 鹿晗的车开回来那一刻 让世界正气充盈乾坤朗朗 魏大勋抱赵今麦投篮 梓渝toodeep唱跳 鹿晗的车开回来那一刻 重庆三峡学院中标公司被罚9000元 中级财管 租客弃猫失联致5只猫坠楼死亡 周启豪vs户上隼辅 宝妈花2万住月子中心遭虫爬身 毛主席嫡孙一家参加九三阅兵 工地热死了8个工人系谣言 metal母版杂志报道田栩宁 骑手称配送死鳄鱼结果半路活了 2岁男孩被爷爷女友带走后遗弃 让世界正气充盈乾坤朗朗 c罗梅开二度 工地热死了8个工人系谣言 劝老外取消订单劝不住 有些体味是疾病信号 生病急需钱家人发现32万做了生意 老人猥亵女性因高龄患绝症未被拘留 赵涛评委 建议裤子不要卡码买 维斯塔潘夺F1意大利站杆位 遭老板性侵女子称113万不能弥补损失 中元节禁忌是对传统节日的曲解 月全食 中级财管 刘宇宁直播辟谣与经纪人恋情 意大利女排3比2巴西女排 致敬每一位默默坚守的身影 樊振东收获德甲两连胜 时团cos音乐喷泉 白露必吃的六种食物 王俊凯怎么瘦成这样了 白色座椅贴红色标签引发误读 东风5C打击范围覆盖全球 刘宇宁说造谣恶心至极 江苏卫视你是有多等不及啊 关晓彤穿比基尼好辣 2岁男孩被爷爷女友带走后遗弃 阅兵当天才知道自己做的包去哪儿了 白露必吃的六种食物 月全食 致敬每一位默默坚守的身影 阅兵当天才知道自己做的包去哪儿了 metal母版杂志报道田栩宁 阅兵当天才知道自己做的包去哪儿了 意大利女排3比2巴西女排 冯绍峰威尼斯眼镜造型 工地热死了8个工人系谣言 遭老板性侵女子称113万不能弥补损失 女生要选择把你的感受放在第一位的人 东风5C打击范围覆盖全球 韩国外卖员月入1万5 让世界正气充盈乾坤朗朗 四川2名消防员训练遇险失联 宝妈花2万住月子中心遭虫爬身 关晓彤ins更新 周启豪vs户上隼辅 重庆三峡学院中标公司被罚9000元 东部战区回应加澳军舰过航台湾海峡 艺人皮肤白的原因 人一定要有个小号 中元节禁忌是对传统节日的曲解 致敬每一位默默坚守的身影 确诊为轻微智障的5个表现 阅兵当天才知道自己做的包去哪儿了 亚裔女子在泰被沉尸 抱抱抗日老战士 东部战区回应加澳军舰过航台湾海峡 曝男明星把甲方样机卖了 东风5C打击范围覆盖全球 白色座椅贴红色标签引发误读 世界看到了中国阅兵 维斯塔潘创F1历史最快单圈 北京杜莎夫人蜡像馆将永久关停 建议裤子不要卡码买 中级财管 曝男明星把甲方样机卖了 关晓彤ins更新 东部战区回应加澳军舰过航台湾海峡 刘宇宁直播辟谣与经纪人恋情 张杰 一般一般世界第三 真的建议女生不要失去打扮欲 真的建议女生不要失去打扮欲 魏大勋抱赵今麦投篮 王俊凯怎么瘦成这样了 毛主席嫡孙一家参加九三阅兵 梓渝晨昏线rap 辛芷蕾不好意思去搓澡 白色座椅贴红色标签引发误读 东部战区回应加澳军舰过航台湾海峡 维斯塔潘创F1历史最快单圈 四川2名消防员训练遇险失联 威马前员工称收到召回邀约 维斯塔潘创F1历史最快单圈 建议裤子不要卡码买 生病急需钱家人发现32万做了生意 韩国外卖员月入1万5 官方通报高校75万采购事件全过程 世界看到了中国阅兵 樊振东第一时间和队长复盘 毛主席嫡孙一家参加九三阅兵 人一定要有个小号 月全食 冯绍峰威尼斯眼镜造型 威马前员工称收到召回邀约 周启豪vs户上隼辅 樊振东收获德甲首胜 白露必吃的六种食物 冯绍峰威尼斯眼镜造型 辛芷蕾不好意思去搓澡 赵涛评委 意大利女排3比2巴西女排 抱抱抗日老战士 梓渝晨昏线rap 8万只气球去哪儿了 张杰 一般一般世界第三 老人猥亵女性因高龄患绝症未被拘留 宝妈花2万住月子中心遭虫爬身 metal母版杂志报道田栩宁 韩国外卖员月入1万5 艺人皮肤白的原因 骑手称配送死鳄鱼结果半路活了 樊振东收获德甲首胜 意大利女排3比2巴西女排 抱抱抗日老战士 意大利女排3比2巴西女排 冯绍峰威尼斯眼镜造型 刘宇宁说造谣恶心至极 c罗梅开二度 樊振东收获德甲首胜 阅兵当天才知道自己做的包去哪儿了 女子在泰被沉尸胸部假体印中文 中元节禁忌是对传统节日的曲解 骑手称配送死鳄鱼结果半路活了 东部战区回应加澳军舰过航台湾海峡 樊振东第一时间和队长复盘 特朗普误将美国国旗当毯子 宝妈花2万住月子中心遭虫爬身 8万只气球去哪儿了 想减肥就去干团播 辛芷蕾不好意思去搓澡 维斯塔潘创F1历史最快单圈 鹿晗的车开回来那一刻 metal母版杂志报道田栩宁 维斯塔潘创F1历史最快单圈 亚裔女子在泰被沉尸 宝妈花2万住月子中心遭虫爬身 阅兵当天才知道自己做的包去哪儿了 东部战区回应加澳军舰过航台湾海峡 抱抱抗日老战士 江苏卫视你是有多等不及啊 东风5C打击范围覆盖全球 张杰 一般一般世界第三 曝男明星把甲方样机卖了 樊振东收获德甲首胜 特朗普误将美国国旗当毯子 宝妈花2万住月子中心遭虫爬身 老人猥亵女性因高龄患绝症未被拘留 东风5C打击范围覆盖全球 白色座椅贴红色标签引发误读 上海地铁9号线试点拆座椅增加空间 中元节禁忌是对传统节日的曲解 魏大勋抱赵今麦投篮 抱抱抗日老战士 c罗梅开二度 metal母版杂志报道田栩宁 东部战区回应加澳军舰过航台湾海峡 特朗普误将美国国旗当毯子 亚裔女子在泰被沉尸 毛主席嫡孙一家参加九三阅兵 租客弃猫失联致5只猫坠楼死亡 维斯塔潘创F1历史最快单圈
热门冒险解谜
相关专辑
张杰 一般一般世界第三 毛主席嫡孙一家参加九三阅兵 中级财管 让世界正气充盈乾坤朗朗 宝妈花2万住月子中心遭虫爬身 冯绍峰威尼斯眼镜造型 樊振东收获德甲两连胜 老人猥亵女性因高龄患绝症未被拘留 重庆三峡学院中标公司被罚9000元 辛芷蕾 威尼斯电影节
关于我们| 意见反馈| 版权声明| 合作伙伴| 友情连接| 联系我们| 网站地图
copyright 2022-2024 3673安卓网.All Right Reserved
用户反馈

反馈原因

其他原因

联系方式
首页 > > kumatest.com
luce二创r18

学生高中三级全黄

「活动」首次登录送91元红包

9.359MB
版本V16.48.1
下载APK 高速下载
下载kumatest.com安装你想要的应用 更方便 更快捷 发现更多
喜欢 32%好评(81人)
评论 07
真人做爰90分钟免费看 扒开腿添十八禁🔞 亚洲女人裸体㊙️ 扒开腿挺进嫩苞处破视频 被❌到爽🔞流免费网站
详细信息
  • 软件大小: 28.67MB
  • 最后更新: 2025/09/07 11:42:57
  • 最新版本: V8.80.96
  • 文件格式: apk
  • 应用分类:ios-Android
  • 使用语言: 中文
  • : 需要联网
  • 系统要求: 9.7以上
应用介绍


客服热线：136-2248-9914
加载更多
版本更新
V8.67.23
少被c🔞黄❌在线网站
查看更多

FC2PPV完全初撮り♥ 次观看

相关攻略
美女❌❌❌又大又美4
包含 饿了么 的应用集
评论
  • Free❌❌性HD张丽 9分钟前
    大🐔🐔伸进🈲🔞🔞视频
  • 军人Gay吊大硬喷浓精男🔞 9分钟前
    12孩岁女被躁BD
  • Japanese❌❌❌❌自慰 9分钟前
    女人被下春药❌到爽视频
  • 成人高潮片免费樱桃视频 9分钟前
    少女免费香港
  • 91在线精品㊙️一区二区三区四区 9分钟前
    打屁股🔞🔞调情🍑🍑
  • 成人❤️动漫网站 2分钟前
    9.1大片在线观看
  • ❤老师张开腿让我爽了一夜短篇 0分钟前
    欧美作受❌❌❌
  • 高清乱码🔞❌♋免费女女软件 9分钟前
    脱👙揉捏🐻
  • 美女奶头无遮挡❌❌❌ 0分钟前
    女人自慰疯狂❌喷
  • 沙奈朵强❌乳喷同人网站 3分钟前
    和女老板做爰全过程内谢
欧美猛男GayGay✅黄网站
美女的奶头㊙️免费看高 -安卓手机网上最贴心的Android软件应用平台! 版权所有：全彩ACG⭐️无翼乌邪火 备案号：京ICP备44633832号-1