Tag: 视觉语言模型

All the articles with the tag "视觉语言模型".

• 6.7

  Loc3R-VLM：让 2D 视觉语言模型具备 3D 空间理解能力

  2026年03月19日

  · arXiv· 03/19 22:33 采集

  从单目视频输入为 2D VLM 赋予 3D 理解能力，在语言定位和 3D QA 基准上取得 SOTA。