热门
导航
快讯
推荐文章
热门
导航
快讯
推荐文章
#视觉交互
LL3DA: 引领3D场景理解的交互式大语言模型助手
2 个月前
LL3DA是一个创新的交互式大语言3D场景理解助手,通过将点云作为直接输入并响应文本指令和视觉提示,实现了复杂3D环境中的全方位理解、推理和规划能力,在3D密集描述和3D问答等任务上取得了突破性进展。
LL3DA
3D环境
点云
3D语言模型
视觉交互
Github
开源项目
2 个月前
相关项目
LL3DA
LL3DA是一种大型语言3D助手,能够在复杂的3D环境中响应视觉和文本交互。现有的多模态模型在3D场景理解中的挑战使得LL3DA采用点云直接作为输入,从而减少计算负担并提升性能。实验结果表明,LL3DA在3D密集描述和3D问答任务上优于其他3D视觉语言模型。其开源代码和预训练模型权重允许用户训练定制模型,并进一步拓展到更大规模的3D视觉语言基准上。
查看
使用协议
隐私政策
广告服务
投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI
·
鲁ICP备2024100362号-6
·
鲁公网安备37021002001498号