南京大学的研究团队意识到，要让AI真正理解我们的3D世界，需要一个前所未有的"空间词典"。他们花费了巨大的精力，从浩如烟海的网络视频中精心挑选并标注了超过21000小时的原始素材，最终打造出了一个包含2.7万小时高质量动态场景的庞大数据集，并将其命名为SpatialVID。

The research team at CUHK Shenzhen recently discovered the real cause of this issue and proposed an innovative solution. They ...