Buchumschlag

LLMI3D: MLLM-based 3D Perception from a Single 2D Image

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yang, Fan, Zhao, Sicheng, Zhang, Yanhao, Chen, Hui, Lu, Haonan, Han, Jungong, Ding, Guiguang
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

HEIE: MLLM-Based Hierarchical Explainable AIGC Image Implausibility Evaluator
von: Yang, Fan, et al.
Veröffentlicht: (2024)

AdaTP: Attention-Debiased Token Pruning for Video Large Language Models
von: Sun, Fengyuan, et al.
Veröffentlicht: (2025)

CAIT: Triple-Win Compression towards High Accuracy, Fast Inference, and Favorable Transferability For ViTs
von: Wang, Ao, et al.
Veröffentlicht: (2023)

Tracking and Segmenting Anything in Any Modality
von: Zhang, Tianlu, et al.
Veröffentlicht: (2025)

Towards Efficient Vision-Language Tuning: More Information Density, More Generalizability
von: Hao, Tianxiang, et al.
Veröffentlicht: (2023)

GEN3D: Generating Domain-Free 3D Scenes from a Single Image
von: Zhang, Yuxin, et al.
Veröffentlicht: (2025)

RepViT-SAM: Towards Real-Time Segmenting Anything
von: Wang, Ao, et al.
Veröffentlicht: (2023)

LSNet: See Large, Focus Small
von: Wang, Ao, et al.
Veröffentlicht: (2025)

RepViT: Revisiting Mobile CNN From ViT Perspective
von: Wang, Ao, et al.
Veröffentlicht: (2023)

VASA-3D: Lifelike Audio-Driven Gaussian Head Avatars from a Single Image
von: Xu, Sicheng, et al.
Veröffentlicht: (2025)

PruneHal: Reducing Hallucinations in Multi-modal Large Language Models through Adaptive KV Cache Pruning
von: Sun, Fengyuan, et al.
Veröffentlicht: (2025)

Learn from the Learnt: Source-Free Active Domain Adaptation via Contrastive Sampling and Visual Persistence
von: Lyu, Mengyao, et al.
Veröffentlicht: (2024)

NOVA3D: Normal Aligned Video Diffusion Model for Single Image to 3D Generation
von: Yang, Yuxiao, et al.
Veröffentlicht: (2025)

Compress3D: a Compressed Latent Space for 3D Generation from a Single Image
von: Zhang, Bowen, et al.
Veröffentlicht: (2024)

One-Dimensional Adapter to Rule Them All: Concepts, Diffusion Models and Erasing Applications
von: Lyu, Mengyao, et al.
Veröffentlicht: (2023)

[CLS] Token Tells Everything Needed for Training-free Efficient MLLMs
von: Wang, Ao, et al.
Veröffentlicht: (2024)

YOLOE: Real-Time Seeing Anything
von: Wang, Ao, et al.
Veröffentlicht: (2025)

Promptable Anomaly Segmentation with SAM Through Self-Perception Tuning
von: Yang, Hui-Yue, et al.
Veröffentlicht: (2024)

ConsDreamer: Advancing Multi-View Consistency for Zero-Shot Text-to-3D Generation
von: Zhou, Yuan, et al.
Veröffentlicht: (2025)

Cream of the Crop: Harvesting Rich, Scalable and Transferable Multi-Modal Data for Instruction Fine-Tuning
von: Lyu, Mengyao, et al.
Veröffentlicht: (2025)

Rethinking Score Distilling Sampling for 3D Editing and Generation
von: Miao, Xingyu, et al.
Veröffentlicht: (2025)

Hunyuan3D 1.0: A Unified Framework for Text-to-3D and Image-to-3D Generation
von: Yang, Xianghui, et al.
Veröffentlicht: (2024)

Advancing Reliable Test-Time Adaptation of Vision-Language Models under Visual Variations
von: Liang, Yiwen, et al.
Veröffentlicht: (2025)

Beyond Voxel 3D Editing: Learning from 3D Masks and Self-Constructed Data
von: Xu, Yizhao, et al.
Veröffentlicht: (2026)

BIP3D: Bridging 2D Images and 3D Perception for Embodied Intelligence
von: Lin, Xuewu, et al.
Veröffentlicht: (2024)

YOLOv10: Real-Time End-to-End Object Detection
von: Wang, Ao, et al.
Veröffentlicht: (2024)

Ultraman: Single Image 3D Human Reconstruction with Ultra Speed and Detail
von: Chen, Mingjin, et al.
Veröffentlicht: (2024)

S$^2$-MLLM: Boosting Spatial Reasoning Capability of MLLMs for 3D Visual Grounding with Structural Guidance
von: Xu, Beining, et al.
Veröffentlicht: (2025)

Source-Free Object Detection with Detection Transformer
von: Yao, Huizai, et al.
Veröffentlicht: (2025)

Wonder3D++: Cross-domain Diffusion for High-fidelity 3D Generation from a Single Image
von: Yang, Yuxiao, et al.
Veröffentlicht: (2025)

Context Enhancement with Reconstruction as Sequence for Unified Unsupervised Anomaly Detection
von: Yang, Hui-Yue, et al.
Veröffentlicht: (2024)

Constructing a 3D Scene from a Single Image
von: Zheng, Kaizhi, et al.
Veröffentlicht: (2025)

GSV3D: Gaussian Splatting-based Geometric Distillation with Stable Video Diffusion for Single-Image 3D Object Generation
von: Tao, Ye, et al.
Veröffentlicht: (2025)

DiscoVLA: Discrepancy Reduction in Vision, Language, and Alignment for Parameter-Efficient Video-Text Retrieval
von: Shen, Leqi, et al.
Veröffentlicht: (2025)

YOLO-UniOW: Efficient Universal Open-World Object Detection
von: Liu, Lihao, et al.
Veröffentlicht: (2024)

Native and Compact Structured Latents for 3D Generation
von: Xiang, Jianfeng, et al.
Veröffentlicht: (2025)

More is Better: Deep Domain Adaptation with Multiple Sources
von: Zhao, Sicheng, et al.
Veröffentlicht: (2024)

TGP: Two-modal occupancy prediction with 3D Gaussian and sparse points for 3D Environment Awareness
von: Chen, Mu, et al.
Veröffentlicht: (2025)

Point Linguist Model: Segment Any Object via Bridged Large 3D-Language Model
von: Huang, Zhuoxu, et al.
Veröffentlicht: (2025)

Feedforward 3D Editing via Text-Steerable Image-to-3D
von: Ma, Ziqi, et al.
Veröffentlicht: (2025)