arXiv · 机器人与计算机视觉· Junjie Wang, Zhihao Yuan, Shuyi Jiang, Chun-Mei Feng, Yaolun Zhang, Shuguang Cui, Zhen Li, Na Zhao·· 29 天前AI 评分60
Scene-R1:基于视频 grounding 的大语言模型用于轻量标注下的 3D 场景推理
Scene-R1: Video-Grounded Large Language Models for 3D Scene Reasoning with Lightweight Annotations
AI 导读
论文提出了 Scene-R1 框架,这是一种无需预训练 3D 检测器或密集点云骨干网络的视频 grounded 大语言模型,专门用于 3D 场景推理。
来源:arXiv · 机器人与计算机视觉 · arxiv.org