Tag · 1 篇
Efficient Encoder-Free Fourier-based 3D Large Multimodal Model
用空间填充曲线序列化加 FFT 近似自注意力,替代重型 3D 编码器做全局上下文建模,并用傅里叶增强的低秩适配把频域交互注入 LLM,为视觉侧设计轻量 3D 词元化与无编码器多模态架构提供可复用范式。