Buchumschlag

Inst3D-LMM: Instance-Aware 3D Scene Understanding with Multi-modal Instruction Tuning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Yu, Hanxun, Li, Wentong, Wang, Song, Chen, Junbo, Zhu, Jianke
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

VisionTrim: Unified Vision Token Compression for Training-Free MLLM Acceleration
von: Yu, Hanxun, et al.
Veröffentlicht: (2026)

InstDrive: Instance-Aware 3D Gaussian Splatting for Driving Scenes
von: Liu, Hongyuan, et al.
Veröffentlicht: (2025)

3DMIT: 3D Multi-modal Instruction Tuning for Scene Understanding
von: Li, Zeju, et al.
Veröffentlicht: (2024)

Not All Voxels Are Equal: Hardness-Aware Semantic Scene Completion with Self-Distillation
von: Wang, Song, et al.
Veröffentlicht: (2024)

A Coarse-to-Fine Approach to Multi-Modality 3D Occupancy Grounding
von: Shi, Zhan, et al.
Veröffentlicht: (2025)

Label-efficient Semantic Scene Completion with Scribble Annotations
von: Wang, Song, et al.
Veröffentlicht: (2024)

Osprey: Pixel Understanding with Visual Instruction Tuning
von: Yuan, Yuqian, et al.
Veröffentlicht: (2023)

Uncertainty-Instructed Structure Injection for Generalizable HD Map Construction
von: Liu, Xiaolu, et al.
Veröffentlicht: (2025)

MGMap: Mask-Guided Learning for Online Vectorized HD Map Construction
von: Liu, Xiaolu, et al.
Veröffentlicht: (2024)

Reg3D: Reconstructive Geometry Instruction Tuning for 3D Scene Understanding
von: Zheng, Hongpei, et al.
Veröffentlicht: (2025)

ReliOcc: Towards Reliable Semantic Occupancy Prediction via Uncertainty Learning
von: Wang, Song, et al.
Veröffentlicht: (2024)

IS-Fusion: Instance-Scene Collaborative Fusion for Multimodal 3D Object Detection
von: Yin, Junbo, et al.
Veröffentlicht: (2024)

Disentangling Instance and Scene Contexts for 3D Semantic Scene Completion
von: Liu, Enyu, et al.
Veröffentlicht: (2025)

HO-Gaussian: Hybrid Optimization of 3D Gaussian Splatting for Urban Scenes
von: Li, Zhuopeng, et al.
Veröffentlicht: (2024)

InstAP: Instance-Aware Vision-Language Pre-Train for Spatial-Temporal Understanding
von: Kumar, Ashutosh, et al.
Veröffentlicht: (2026)

Fast3D: Accelerating 3D Multi-modal Large Language Models for Efficient 3D Scene Understanding
von: Huang, Wencan, et al.
Veröffentlicht: (2025)

3D-Aware Multi-Task Learning with Cross-View Correlations for Dense Scene Understanding
von: Wang, Xiaoye, et al.
Veröffentlicht: (2025)

Unlocking Dense Metric Depth Estimation in VLMs
von: Yu, Hanxun, et al.
Veröffentlicht: (2026)

Fine-Grained Multi-View Hand Reconstruction Using Inverse Rendering
von: Gan, Qijun, et al.
Veröffentlicht: (2024)

SAI3D: Segment Any Instance in 3D Scenes
von: Yin, Yingda, et al.
Veröffentlicht: (2023)

Inst4DGS: Instance-Decomposed 4D Gaussian Splatting with Multi-Video Label Permutation Learning
von: Lee, Yonghan, et al.
Veröffentlicht: (2026)

UnScene3D: Unsupervised 3D Instance Segmentation for Indoor Scenes
von: Rozenberszki, David, et al.
Veröffentlicht: (2023)

MIDI: Multi-Instance Diffusion for Single Image to 3D Scene Generation
von: Huang, Zehuan, et al.
Veröffentlicht: (2024)

FoodLMM: A Versatile Food Assistant using Large Multi-modal Model
von: Yin, Yuehao, et al.
Veröffentlicht: (2023)

Towards Foundation Models for 3D Scene Understanding: Instance-Aware Self-Supervised Learning for Point Clouds
von: Yang, Bin, et al.
Veröffentlicht: (2026)

Swin3D++: Effective Multi-Source Pretraining for 3D Indoor Scene Understanding
von: Yang, Yu-Qi, et al.
Veröffentlicht: (2024)

Q-Adapt: Adapting LMM for Visual Quality Assessment with Progressive Instruction Tuning
von: Lu, Yiting, et al.
Veröffentlicht: (2025)

AutoInst: Automatic Instance-Based Segmentation of LiDAR 3D Scans
von: Perauer, Cedric, et al.
Veröffentlicht: (2024)

HVOFusion: Incremental Mesh Reconstruction Using Hybrid Voxel Octree
von: Liu, Shaofan, et al.
Veröffentlicht: (2024)

3D Question Answering for City Scene Understanding
von: Sun, Penglei, et al.
Veröffentlicht: (2024)

AG$^2$aussian: Anchor-Graph Structured Gaussian Splatting for Instance-Level 3D Scene Understanding and Editing
von: Wang, Zhaonan, et al.
Veröffentlicht: (2025)

JM3D & JM3D-LLM: Elevating 3D Understanding with Joint Multi-modal Cues
von: Ji, Jiayi, et al.
Veröffentlicht: (2023)

UDA4Inst: Unsupervised Domain Adaptation for Instance Segmentation
von: Guo, Yachan, et al.
Veröffentlicht: (2024)

INST-IT: Boosting Instance Understanding via Explicit Visual Prompt Instruction Tuning
von: Peng, Wujian, et al.
Veröffentlicht: (2024)

WorldStereo: Bridging Camera-Guided Video Generation and Scene Reconstruction via 3D Geometric Memories
von: Zhang, Yisu, et al.
Veröffentlicht: (2026)

Interp3D: Correspondence-aware Interpolation for Generative Textured 3D Morphing
von: Liu, Xiaolu, et al.
Veröffentlicht: (2026)

Multi-modal Situated Reasoning in 3D Scenes
von: Linghu, Xiongkun, et al.
Veröffentlicht: (2024)

Embodied Intelligence for 3D Understanding: A Survey on 3D Scene Question Answering
von: Li, Zechuan, et al.
Veröffentlicht: (2025)

Instance Tracking in 3D Scenes from Egocentric Videos
von: Zhao, Yunhan, et al.
Veröffentlicht: (2023)

ASSIST-3D: Adapted Scene Synthesis for Class-Agnostic 3D Instance Segmentation
von: Zhou, Shengchao, et al.
Veröffentlicht: (2025)