PAR3D: 具有部件感知表示的统一3D多模态大语言模型

论文概要

研究领域: CV
作者: Shaohui Dai, Yansong Qu, You Shen
发布时间: 2025-06-11
arXiv: 2506.08284

中文摘要

3D多模态大语言模型（3D-MLLM）在统一3D场景理解任务方面取得进展，但现有模型仍以对象为中心，限制了建模细粒度部件结构的能力。本文提出 PAR3D，一个统一的部件感知3D-MLLM框架，使模型能够理解、推理和定位3D场景中的对象及其部件。我们引入 ScenePart 合成数据集，开发部件感知3D表示学习，并提出层次化分割查询生成。实验表明方法显著提升了部件级问答和指代分割性能。

原文摘要

Existing 3D-MLLMs remain largely object-centric, limiting their ability to model fine-grained part structures. We present PAR3D, a unified part-aware 3D-MLLM framework that enables models to understand, reason about, and ground both objects and their parts in 3D scenes. We introduce ScenePart dataset and develop Part-Aware 3D Representation Learning.

自动采集于 2025-06-11

#论文 #arXiv #CV #小凯