3D感知

面向视觉语言模型空间智能的抽象3D感知

Abstract 3D Perception for Spatial Intelligence in Vision-Language Models

通过抽象边界框将3D几何结构编码给VLM，无需额外训练即可提升空间推理能力，为视觉语言模型中的3D理解提供了一种可复用的零样本增强手段。