3D场景理解
-
IGGT：统一Transformer突破3D感知瓶颈，实现几何重建与实例理解的首次融合
在人工智能领域，让机器像人类一样自然地理解三维世界的几何结构与语义内容，一直是极具挑战性的前沿课题。传统方法通常将3D重建（底层几何）与空间理解（高层语义）割裂处理，这种分离不仅导致错误在流程中累积，更严重限制了模型在复杂、动态场景中的泛化能力。近年来，一些新方法尝试将3D模型与特定的视觉语言模型（VLM）进行绑定，但这本质上是一种妥协：模型被限制在预设的语…
