3D-LLaVA：全能型3D大模型

文章预览

作者 | 北方的郎 编辑 | 自动驾驶Daily 原文链接：https://zhuanlan.zhihu.com/p/16499494864 点击下方 卡片 ，关注“ 自动驾驶Daily ”公众号 戳我->  领取近15个自动驾驶方向路线 >> 点击进入→ 自动驾驶Daily技术交流群 本文只做学术分享，如有侵权，联系删文 ，自动驾驶课程学习与技术交流群事宜，也欢迎添加小助理微信AIDriver004做进一步咨询 在人工智能的浪潮中，大型语言模型（LLMs）如GPT系列已经彻底改变了我们与机器的交互方式。然而，随着技术的进步，研究人员不再满足于仅仅处理文本和2D图像，他们开始探索如何将语言模型的能力扩展到3D世界。3D视觉与语言的结合，尤其是在自动驾驶、家庭机器人和增强现实等领域，具有巨大的应用潜力。然而，现有的3D大模型（3D LMMs）在处理复杂的3D场景理解和灵活的人机交互时，仍然面临诸多挑战。 由来自澳 ………………………………