Nweon

Meta鼓励开发者为Meta Horizon OS创造沉浸式体验，提供150万美元的开发资源。开发者斯里扬克·悉达塔希望填补使用Kotlin为Quest开发应用的教程空白，强调现有的Android开发技能可轻松转化为VR开发。通过本教程，开发者将学会在Android Studio中设置开发环境，使用Jetpack Compose构建和部署应用，最终在Quest设备上运行。同时，开发者可通过Meta Horizon开发工具实现应用调试和优化。在此过程中，开发者无需深入学习新的编程语言，便可加入VR开发领域。

在XR领域，动态3D人体的实时语义理解越来越重要。加州大学圣迭戈分校与高通团队提出的OpenHuman4D模型，通过开放词汇解析，实现了对动态3D人体的精准识别，支持用户用任意文本指导模型分割。该模型在处理速度上提升达93.3%，大大适应了互动应用需求。OpenHuman4D避免了逐帧分割的低效模式，利用掩码传播、验证和融合技术，提升了分割的准确性与一致性。这项技术不仅在学术上具有重大突破，也为VR/XR的未来应用开辟了广阔前景。

EyeSeg是由上海交通大学、腾讯、新加坡国立大学、清华大学和华东师范大学联合研发的一种眼部分割技术，旨在提升增强现实和虚拟现实中的视线追踪准确性。该技术通过引入不确定性感知，增强模型在模糊和遮挡情况中的鲁棒性。EyeSeg采用精细的三阶段流程，包括预处理模块、确定性分割网络和不确定性感知投影头，成功将复杂问题转化为闭集，提升了分割精度和模型的稳定性。实验显示，EyeSeg在多项指标上超越了现有基线，具备有效识别低质量样本的能力。

西甲联盟宣布推出应用型沉浸式VR项目，旨在重新定义球迷的足球观赛体验。该项目是西甲战略的重要组成部分，结合虚拟现实与扩展现实技术，提供前所未有的临场视角与沉浸感，推动体育消费进化。西甲通过高端技术资源与专业团队，致力于创造全新的互动模式。这一创新项目在国家德比期间接受测试，反响积极，展示了巨大的市场潜力。西甲计划推出XR设备专属应用程序，提供独家定制内容，旨在塑造沉浸式足球的未来。

PICO于2025年12月26日发布了三项关键技术资源包，分别是“PICO 自适应示例”、“PICO 混合现实示例”和“PICO 空间音频示例”，旨在为全球开发者提供全面的技术支持。自适应示例展示了智能自适应分辨率机制，通过动态调整渲染分辨率来优化图形性能。混合现实示例则利用新算法实现超低延迟和高分辨率的视频透视，解决视觉错位问题，并支持多用户共享虚拟对象布局。空间音频示例提供了完整的三维音频解决方案，便于开发复杂的音频环境。以上示例展示了PICO在XR领域的技术能力与开发工具。

PICO近期发布了三项针对开发者的关键技术资源包，涵盖自适应分辨率、混合现实和空间音频示例，旨在提升环境理解和沉浸体验。同时，PICO视频将上线三部新内容，增强用户交互体验。国家图书馆利用PICO头显为展览提供沉浸式体验，西甲联盟启动VR项目重塑足球观赛体验。上海交大与腾讯等研究团队提出视觉追踪新方法，提高AR/VR的鲁棒性。加州大学与高通合作开发新方法提升4D人体解析速度，为虚拟应用提供支持。此外，有开发者分享了如何使用Kotlin为Meta Quest构建Android应用的教程。

PICO视频于2025年12月26日推出新内容，包括“朱雀三号”运载火箭的沉浸式体验、港风御姐3D视频及森林奇遇记。用户可通过PICO APP进行影片预约与观看，影片展示了航天、时尚与自然的美学交织。每部影片都强调其独特的视觉体验与艺术感，包括港风御姐在历史建筑中的美丽体现和森林中动物与生态的和谐共生。

EgoAnimate技术通过采用单个头戴摄像头的俯视图，解决了生成数字化身中的视角转换问题，显著提升了虚拟呈现体验。这一系统通过模块化设计，分为两个阶段：第一阶段处理视角转换，第二阶段生成可动画的化身。其创新之处在于使用ControlNet进行姿态控制，并结合复合损失函数以提高生成质量。尽管目前还存在数据多样性和面部建模的局限性，EgoAnimate展现了在虚拟现实通信中的潜力，为更加普及的XR应用奠定了基础。

PICO启动“圣诞元旦狂欢 迎新年幸运大抽奖”活动，持续至2026年1月5日。活动鼓励用户分享在XR领域的体验与心愿。用户需关注PICO官方社区及社交媒体平台，在活动帖下评论“2025年最难忘的XR体验”或“2026年XR心愿”，并备注PICO昵称与UID参与。参与者将获得抽奖机会，奖品包括实物周边好礼。最终将抽取6位用户赠送PICO 4 Ultra。活动规则要求内容原创，违规者将被取消资格。

杭州电子科技大学与新华智云科技提出了一种名为EHPE的手部姿态估计新方法，解决了传统方法中指尖定位误差影响全局姿态的难题。EHPE采用“分段式”架构，首先精准定位指尖和腕部，构建稳定的空间坐标系，再以生物力学先验推理出其他关节位置。研究显示，该方法在极具挑战的数据集FreiHAND和InterHand2 6M上表现优越，尤其在复杂手势和遮挡场景中具备较强鲁棒性。未来团队计划实现模型轻量化，提升在VR/AR设备中的实时性能。