CVPR 2025 | 2D 大模型赋能3D Affordance 预测，GEAL助力可泛化的3D场景可交互区域识别

文章预览

转载机器之心 GEAL 由新加坡国立大学的研究团队开展，第一作者为博士生鲁东岳，通讯作者为该校副教授 Gim Hee Lee，团队其他成员还包括孔令东与黄田鑫博士。 主页：https://dylanorange.github.io/projects/geal/ 论文：https://arxiv.org/abs/2412.09511 代码：https://github.com/DylanOrange/geal 在现实世界中，如何让智能体理解并挖掘 3D 场景中可交互的部位（Affordance）对于机器人操作与人机交互至关重要。所谓  3D Affordance Learning ，就是希望模型能够根据视觉和语言线索，自动推理出物体 可供哪些操作、以及可交互区域的空间位置 ，从而为机器人或人工智能系统提供对物体潜在操作方式的理解。 与 2D 任务相比，3D 数据的获取与高精度标注通常更为困难且成本高昂，这使得大规模高质量的 3D 标注数据 十分稀缺 ，也阻碍了模型在新物体或场景中的泛化。与此同时，现有 3D 多 ………………………………