3D场景的大语言模型：在鲁棒数据训练下的3DLLM新SOTA！

文章预览

MLNLP 社区是国内外知名的机器学习与自然语言处理社区，受众覆盖国内外NLP硕博生、高校老师以及企业研究人员。 社区的愿景 是促进国内外自然语言处理，机器学习学术界、产业界和广大爱好者之间的交流和进步，特别是初学者同学们的进步。 转载自 | PaperWeekly 论文标题： Robin3D: Improving 3D Large Language Model via Robust Instruction Tuning 论文地址： https://arxiv.org/abs/2410.00255 介绍 多模态大语言模型（Multi-modal Large Language Models, MLLMs）以文本模态为基础，将其它各种模态对齐至语言模型的语义空间，从而实现多模态的理解和对话能力。近来，越来越多的研究聚焦于 3D 大语言模型（3DLLM），旨在实现对 3D 物体以及复杂场景的理解，推理和自由对话。 与 2D MLLMs 所能接触的广泛的多模态数据不同，3DLLMs 的训练数据相对稀少。即便过去有些工作尝试生成更多的多模 ………………………………