Buchumschlag

Pts3D-LLM: Studying the Impact of Token Structure for 3D Scene Understanding With Large Language Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Thomas, Hugues, Chen, Chen, Zhang, Jian
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

3UR-LLM: An End-to-End Multimodal Large Language Model for 3D Scene Understanding
von: Xiong, Haomiao, et al.
Veröffentlicht: (2025)

Language-Assisted 3D Scene Understanding
von: Wu, Yanmin, et al.
Veröffentlicht: (2023)

HMR3D: Hierarchical Multimodal Representation for 3D Scene Understanding with Large Vision-Language Model
von: Li, Chen, et al.
Veröffentlicht: (2025)

SAM-Guided Masked Token Prediction for 3D Scene Understanding
von: Chen, Zhimin, et al.
Veröffentlicht: (2024)

3DGraphLLM: Combining Semantic Graphs and Large Language Models for 3D Scene Understanding
von: Zemskova, Tatiana, et al.
Veröffentlicht: (2024)

Scenes as Tokens: Multi-Scale Normal Distributions Transform Tokenizer for General 3D Vision-Language Understanding
von: Tang, Yutao, et al.
Veröffentlicht: (2025)

Descrip3D: Enhancing Large Language Model-based 3D Scene Understanding with Object-Level Text Descriptions
von: Xue, Jintang, et al.
Veröffentlicht: (2025)

Scene-LLM: Extending Language Model for 3D Visual Understanding and Reasoning
von: Fu, Rao, et al.
Veröffentlicht: (2024)

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

SceneGPT: A Language Model for 3D Scene Understanding
von: Chandhok, Shivam
Veröffentlicht: (2024)

LSceneLLM: Enhancing Large 3D Scene Understanding Using Adaptive Visual Preferences
von: Zhi, Hongyan, et al.
Veröffentlicht: (2024)

Fast SceneScript: Fast and Accurate Language-Based 3D Scene Understanding via Multi-Token Prediction
von: Yin, Ruihong, et al.
Veröffentlicht: (2025)

Chat-Scene: Bridging 3D Scene and Large Language Models with Object Identifiers
von: Huang, Haifeng, et al.
Veröffentlicht: (2023)

GPT4Scene: Understand 3D Scenes from Videos with Vision-Language Models
von: Qi, Zhangyang, et al.
Veröffentlicht: (2025)

Scene-R1: Video-Grounded Large Language Models for 3D Scene Reasoning without 3D Annotations
von: Yuan, Zhihao, et al.
Veröffentlicht: (2025)

Unified Scene Representation and Reconstruction for 3D Large Language Models
von: Chu, Tao, et al.
Veröffentlicht: (2024)

Uni3D-MoE: Scalable Multimodal 3D Scene Understanding via Mixture of Experts
von: Zhang, Yue, et al.
Veröffentlicht: (2025)

Grounded 3D-LLM with Referent Tokens
von: Chen, Yilun, et al.
Veröffentlicht: (2024)

Understanding and Evaluating Hallucinations in 3D Visual Language Models
von: Peng, Ruiying, et al.
Veröffentlicht: (2025)

DC-Scene: Data-Centric Learning for 3D Scene Understanding
von: Huang, Ting, et al.
Veröffentlicht: (2025)

SPARTUN3D: Situated Spatial Understanding of 3D World in Large Language Models
von: Zhang, Yue, et al.
Veröffentlicht: (2024)

Unified 3D Scene Understanding Through Physical World Modeling
von: Lee, Wanhee, et al.
Veröffentlicht: (2026)

Med3DInsight: Enhancing 3D Medical Image Understanding with 2D Multi-Modal Large Language Models
von: Chen, Qiuhui, et al.
Veröffentlicht: (2024)

Can3Tok: Canonical 3D Tokenization and Latent Modeling of Scene-Level 3D Gaussians
von: Gao, Quankai, et al.
Veröffentlicht: (2025)

Argus: Leveraging Multiview Images for Improved 3-D Scene Understanding With Large Language Models
von: Xu, Yifan, et al.
Veröffentlicht: (2025)

Calib3D: Calibrating Model Preferences for Reliable 3D Scene Understanding
von: Kong, Lingdong, et al.
Veröffentlicht: (2024)

OnlineSI: Taming Large Language Model for Online 3D Understanding and Grounding
von: Liu, Zixian, et al.
Veröffentlicht: (2026)

Enhancing 3D Medical Image Understanding with Pretraining Aided by 2D Multimodal Large Language Models
von: Chen, Qiuhui, et al.
Veröffentlicht: (2025)

3D Scene Understanding Through Local Random Access Sequence Modeling
von: Lee, Wanhee, et al.
Veröffentlicht: (2025)

GaussianDWM: 3D Gaussian Driving World Model for Unified Scene Understanding and Multi-Modal Generation
von: Deng, Tianchen, et al.
Veröffentlicht: (2025)

Situat3DChange: Situated 3D Change Understanding Dataset for Multimodal Large Language Model
von: Liu, Ruiping, et al.
Veröffentlicht: (2025)

HERMES++: Toward a Unified Driving World Model for 3D Scene Understanding and Generation
von: Zhou, Xin, et al.
Veröffentlicht: (2026)

Video-3D LLM: Learning Position-Aware Video Representation for 3D Scene Understanding
von: Zheng, Duo, et al.
Veröffentlicht: (2024)

LangSurf: Language-Embedded Surface Gaussians for 3D Scene Understanding
von: Li, Hao, et al.
Veröffentlicht: (2024)

SURPRISE3D: A Dataset for Spatial Understanding and Reasoning in Complex 3D Scenes
von: Huang, Jiaxin, et al.
Veröffentlicht: (2025)

Inst3D-LMM: Instance-Aware 3D Scene Understanding with Multi-modal Instruction Tuning
von: Yu, Hanxun, et al.
Veröffentlicht: (2025)

3D-R1: Enhancing Reasoning in 3D VLMs for Unified Scene Understanding
von: Huang, Ting, et al.
Veröffentlicht: (2025)

Articulate3D: Holistic Understanding of 3D Scenes as Universal Scene Description
von: Halacheva, Anna-Maria, et al.
Veröffentlicht: (2024)

GlobalSplat: Efficient Feed-Forward 3D Gaussian Splatting via Global Scene Tokens
von: Itkin, Roni, et al.
Veröffentlicht: (2026)

IL3D: A Large-Scale Indoor Layout Dataset for LLM-Driven 3D Scene Generation
von: Zhou, Wenxu, et al.
Veröffentlicht: (2025)