トレーニング不要のモジュール式3D空間推論を実現するViewMind3D

arXiv cs.CV ・ 2026-07-30

原題: ViewMind3D: Modular View-Aware Inference for Training-Free 3D-QA

AI による要約

大規模言語モデル（LLMs）と視覚言語モデル（VLMs）を活用し、コストのかかる3Dトレーニングを不要としたモジュール式の3D空間推論フレームワーク「ViewMind3D」を提案した。質問駆動型のマルチビュー選択や鳥瞰図インジケーターなどを組み合わせることで、スケーラブルな3D質問応答を実現する。

この要約は当サイトの AI が生成したものです。正確な内容は元記事（arXiv cs.CV）をご確認ください。