English(EN) 3D-SceneQ: Empowering 3D LLM With Query-Guided Adaptive Pruning and Multi-Modal Feature Enhancement

新型3D-SceneQ大语言模型通过自适应剪枝和多模态特征增强场景理解能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-10-28 04:00

研究人员推出了一款名为3D-SceneQ的新型大语言模型（LLM），旨在提升3D场景理解能力。该模型通过引入查询引导的自适应剪枝（QGAP）模块来过滤无关对象数据，并结合多模态对象级特征增强（MOFE）模块来整合来自2D模态的语义信息，从而解决了现有3D大语言模型的局限性。评估结果表明，3D-SceneQ在Scan2Cap和SQA3D等基准测试中超越了当前最先进的方法，展示了其在3D语言任务中增强的推理和定位能力。 AI

影响该模型有望提高解释和推理3D环境的AI系统的准确性和效率，对机器人和增强现实等领域产生影响。

排序理由该条目描述了一篇新的研究论文，详细介绍了新颖的大语言模型架构及其在基准测试上的性能。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 14 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该条目描述了一篇新的研究论文，详细介绍了新颖的大语言模型架构及其在基准测试上的性能。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Yongqi Shan, Lu Zhang, Jiazuo Yu, Yunzhi Zhuge, Huchuan Lu · 2026-10-28 04:00

3D-SceneQ：通过查询引导的自适应剪枝和多模态特征增强赋能3D大模型

arXiv:2610.37202v1 Announce Type: new Abstract: Current 3D scene understanding pipelines typically concatenate vast numbers of 3D object tokens with text tokens and feed the resulting sequence to a Large Language Model (LLM). However, existing 3D-LLMs for scene understanding enco…

本文如何被排名

报道来源 [1]

3D-SceneQ：通过查询引导的自适应剪枝和多模态特征增强赋能3D大模型

相关实体

相关话题