Tag · 2 篇
3D-基础模型
分布 视觉语言模型13D 视觉与重建1
01 02
以 3D 思考：基于有限视角的几何想象驱动空间推理
Think with 3D: Geometric Imagination Grounded Spatial Reasoning from Limited Views
把 VLM 推理过程中的隐状态与 VGGT 等 3D 基础模型输出的几何潜变量对齐，使模型在无 3D 先验输入时也能进行「脑内 3D 想象」，为视觉研究者提供了一条把 3D 几何表征注入多模态推理的可复用路径。
TALO：推动 3D 视觉基础模型走向全局一致的在线重建
TALO: Pushing 3D Vision Foundation Models Towards Globally Consistent Online Reconstruction
把 3D 基础模型逐窗口的前馈预测用薄板样条（TPS）做高自由度长程对齐，并用点无关的子图配准提升对噪声几何的鲁棒性；做在线/流式 3D 重建或需要跨时序窗口融合深度与位姿时可直接复用这套即插即用框架。