כתבה
arXiv cs.AI ·
תכנות 3D מותאם למשימה
Task-Adaptive Grounded 3D-Programmers Using 2D VLMs
חוקרים הציגו שיטה חדשה לתכנות 3D מותאם למשימה, המשתמשת במודלים חזותיים-לשוניים 2D. השיטה מאפשרת תכנות 3D מדויק ומובנה, תוך שימוש במסגרת 3D-Prog.
תקציר מקורי באנגליתarXiv:2610.02021v1 Announce Type: cross Abstract: Recent vision-language models (VLMs) exhibit remarkable generalization and reasoning abilities, yet 3D understanding in these models is limited by data scale, training diversity, and reasoning capacity. Instead of naively extending these models into 3D, we take a different approach: we enable powerful 2D VLMs to operate reliably in 3D by introducing 3D grounding and iterative feedback loops with two novel concepts: Canonical Coordinate Framing (CCF) and Task-Adaptive Feedback (TAF). CCF serves as a unified visual representation that anchors both inputs and outputs to a shared Euclidean coordinate system, solving common challenges in 3D grounding such as axis ambiguity, inconsistent metric scale, and floating references. Complementary to thi
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית