ViewMind3D

ViewMind3D框架实现了免训练3D问答

研究人员推出ViewMind3D，一个新颖的框架，用于使用多视图观测进行免训练3D问答。该模块化系统通过将任务分解为视图选择、视觉定位、通过鸟瞰图进行空间上下文编码以及结构化答案生成，从而绕过了昂贵的3D特定训练的需要。ViewMind3D在ScanQA和SQA3D等基准测试中表现出竞争力，尤其在空间定位问题上表现出色，并实现了强大的整体准确性。