DR-MV3D

新框架 DR-MV3D 通过密集奖励增强三维视觉问答能力

研究人员推出 DR-MV3D，一个旨在增强多视图三维视觉问答 (MV3D-VQA) 的新框架。该方法利用密集、可验证的奖励来监督推理过程，超越了当前多模态 LLM 中常见的稀疏、答案级别的监督。DR-MV3D 将任务分解为全局地图构建、视图轨迹规划和通过以自我为中心的定位进行答案预测，采用全局一致性和局部轨迹选择的奖励来提高在 MindCube 和 VSI-Bench 等数据集上的性能。