POMA-3D

POMA-3D模型从点图学习自监督三维场景理解

研究人员推出了POMA-3D，一种新颖的自监督三维表示模型，它利用点图将三维坐标编码到结构化的二维网格上。该方法通过视图到场景的对齐策略，将二维基础模型的先验知识迁移到三维理解中。该模型还采用联合嵌入预测架构POMA-JEPA，以确保跨不同视图的几何一致性特征。实验表明，POMA-3D仅使用几何输入，即可作为各种三维任务（包括问答和导航）的骨干。