arXiv · 机器人与计算机视觉· Xiangqi Li, Libo Huang, Jiarui Zhao, Weilun Feng, Chuanguang Yang, Zhulin An, Yongjun Xu·· 15 天前AI 评分70
SceneScaffold:面向统一 3D 场景理解的主动场景状态构建框架
SceneScaffold: Active Scene-State Construction for Unified 3D Scene Understanding
AI 导读
针对现有 3D 多模态大模型依赖视觉瓶颈导致空间组织信息丢失的问题,论文提出 SceneScaffold 框架,将被动特征压缩重构为主动场景组织者。该框架在语言推理前构建角色感知的空间支架,将超点级视觉证据组织为实体状态、场景帧状态、关系状态和全局摘要四类组件,分别保留核心语义、维护空间参考、编码交互线索并提供紧凑上下文。
来源:arXiv · 机器人与计算机视觉 · arxiv.org