实体
3D MLLMs
3D MLLMs
PulseAugur coverage of 3D MLLMs — every cluster mentioning 3D MLLMs across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新方法通过功能推理增强3D MLLM识别能力
研究人员开发了一种名为PFIR（部件级功能推理用于识别）的新方法，以提高3D多模态大语言模型（MLLMs）的可泛化性。当前的3D MLLMs通常依赖于模式匹配，这种方法难以区分几何相似但功能不同的物体，例如梳妆台和衣柜。PFIR通过反转信息流来解决这个问题，专注于功能语言以支持推理，而不仅仅是装饰已知身份。这种方法基于PartNeXt部件分割，并利用功能性思维链（CoT）数据，显著提高了零样本准确率，尤其是在几何上模糊的样本上。
-
面向多模态大语言模型的新训练方法，仅聚焦于投影仪
研究人员开发了一种名为“Projector Is All You Train”的多模态大语言模型（MLLMs）新训练方法。该方法仅训练连接语言模型主干和特定模态编码器的投影仪组件，而不是对整个主干进行微调。在3D MLLMs上的实验表明，这种仅训练投影仪的方法可以实现强大的多模态性能，避免损害现有的语言模型能力，并且与联合训练方法相比，训练样本吞吐量大约提高一倍。研究结果在各种语言模型主干以及3D分类、字幕生成和推理基准测试中得到了验证。