3D-SceneQ：查询引导剪枝提升3D场景理解

2026年10月28日，arXiv Computer Vision 刊出由 Yongqi Shan 等作者提出的 3D-SceneQ 3D 大语言模型。该工作针对 3D 场景理解中的挑战，将自适应 token 剪枝与多模态语义增强统一到同一模型中，包含查询引导自适应剪枝（QGAP）与多模态对象级特征增强（MOFE）两个模块，用于提升场景理解、推理与定位能力。报道称该模型在多个基准上超过现有 SOTA，其中 Scan2Cap 上 CIDEr 提升 5.7，SQA3D 上 EM@1 提升 17.0。目前进展停留在论文发布与基准结果公布阶段，尚无后续跟进报道。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。