Enregistré dans:
| Auteurs principaux: | Huang, Haifeng, Chen, Yilun, Wang, Zehan, Pang, Jiangmiao, Zhao, Zhou |
|---|---|
| Format: | Preprint |
| Publié: |
2026
|
| Sujets: | |
| Accès en ligne: | https://arxiv.org/abs/2603.27507 |
| Tags: |
Ajouter un tag
Pas de tags, Soyez le premier à ajouter un tag!
|
Documents similaires
Chat-Scene: Bridging 3D Scene and Large Language Models with Object Identifiers
par: Huang, Haifeng, et autres
Publié: (2023)
par: Huang, Haifeng, et autres
Publié: (2023)
Grounded 3D-LLM with Referent Tokens
par: Chen, Yilun, et autres
Publié: (2024)
par: Chen, Yilun, et autres
Publié: (2024)
RoboGround: Robotic Manipulation with Grounded Vision-Language Priors
par: Huang, Haifeng, et autres
Publié: (2025)
par: Huang, Haifeng, et autres
Publié: (2025)
Language-to-Space Programming for Training-Free 3D Visual Grounding
par: Mi, Boyu, et autres
Publié: (2025)
par: Mi, Boyu, et autres
Publié: (2025)
MMScan: A Multi-Modal 3D Scene Dataset with Hierarchical Grounded Language Annotations
par: Lyu, Ruiyuan, et autres
Publié: (2024)
par: Lyu, Ruiyuan, et autres
Publié: (2024)
VLM-Grounder: A VLM Agent for Zero-Shot 3D Visual Grounding
par: Xu, Runsen, et autres
Publié: (2024)
par: Xu, Runsen, et autres
Publié: (2024)
Orient Anything: Learning Robust Object Orientation Estimation from Rendering 3D Models
par: Wang, Zehan, et autres
Publié: (2024)
par: Wang, Zehan, et autres
Publié: (2024)
ChangingGrounding: 3D Visual Grounding in Changing Scenes
par: Hu, Miao, et autres
Publié: (2025)
par: Hu, Miao, et autres
Publié: (2025)
A Data-Centric Revisit of Pre-Trained Vision Models for Robot Learning
par: Wen, Xin, et autres
Publié: (2025)
par: Wen, Xin, et autres
Publié: (2025)
PointLLM: Empowering Large Language Models to Understand Point Clouds
par: Xu, Runsen, et autres
Publié: (2023)
par: Xu, Runsen, et autres
Publié: (2023)
GLEAM: Learning Generalizable Exploration Policy for Active Mapping in Complex 3D Indoor Scenes
par: Chen, Xiao, et autres
Publié: (2025)
par: Chen, Xiao, et autres
Publié: (2025)
Multi-Object Tracking by Hierarchical Visual Representations
par: Cao, Jinkun, et autres
Publié: (2024)
par: Cao, Jinkun, et autres
Publié: (2024)
What Makes CLIP More Robust to Long-Tailed Pre-Training Data? A Controlled Study for Transferable Insights
par: Wen, Xin, et autres
Publié: (2024)
par: Wen, Xin, et autres
Publié: (2024)
3DGSR: Implicit Surface Reconstruction with 3D Gaussian Splatting
par: Lyu, Xiaoyang, et autres
Publié: (2024)
par: Lyu, Xiaoyang, et autres
Publié: (2024)
HaloGS: Loose Coupling of Compact Geometry and Gaussian Splats for 3D Scenes
par: Jiang, Changjian, et autres
Publié: (2025)
par: Jiang, Changjian, et autres
Publié: (2025)
ObjectGS: Object-aware Scene Reconstruction and Scene Understanding via Gaussian Splatting
par: Zhu, Ruijie, et autres
Publié: (2025)
par: Zhu, Ruijie, et autres
Publié: (2025)
LLaVA-3D: A Simple yet Effective Pathway to Empowering LMMs with 3D-awareness
par: Zhu, Chenming, et autres
Publié: (2024)
par: Zhu, Chenming, et autres
Publié: (2024)
Towards Latency-Aware 3D Streaming Perception for Autonomous Driving
par: Peng, Jiaqi, et autres
Publié: (2025)
par: Peng, Jiaqi, et autres
Publié: (2025)
ArtiWorld: LLM-Driven Articulation of 3D Objects in Scenes
par: Yang, Yixuan, et autres
Publié: (2025)
par: Yang, Yixuan, et autres
Publié: (2025)
Potential Field as Scene Affordance for Behavior Change-Based Visual Risk Object Identification
par: Pao, Pang-Yuan, et autres
Publié: (2024)
par: Pao, Pang-Yuan, et autres
Publié: (2024)
FurnSet: Exploiting Repeats for 3D Scene Reconstruction
par: Dobre, Paul, et autres
Publié: (2026)
par: Dobre, Paul, et autres
Publié: (2026)
ARTDECO: Towards Efficient and High-Fidelity On-the-Fly 3D Reconstruction with Structured Scene Representation
par: Li, Guanghao, et autres
Publié: (2025)
par: Li, Guanghao, et autres
Publié: (2025)
OST-Bench: Evaluating the Capabilities of MLLMs in Online Spatio-temporal Scene Understanding
par: Lin, Jingli, et autres
Publié: (2025)
par: Lin, Jingli, et autres
Publié: (2025)
3D-Mem: 3D Scene Memory for Embodied Exploration and Reasoning
par: Yang, Yuncong, et autres
Publié: (2024)
par: Yang, Yuncong, et autres
Publié: (2024)
Unified Human-Scene Interaction via Prompted Chain-of-Contacts
par: Xiao, Zeqi, et autres
Publié: (2023)
par: Xiao, Zeqi, et autres
Publié: (2023)
StreamVLN: Streaming Vision-and-Language Navigation via SlowFast Context Modeling
par: Wei, Meng, et autres
Publié: (2025)
par: Wei, Meng, et autres
Publié: (2025)
Chat-Edit-3D: Interactive 3D Scene Editing via Text Prompts
par: Fang, Shuangkang, et autres
Publié: (2024)
par: Fang, Shuangkang, et autres
Publié: (2024)
GenNBV: Generalizable Next-Best-View Policy for Active 3D Reconstruction
par: Chen, Xiao, et autres
Publié: (2024)
par: Chen, Xiao, et autres
Publié: (2024)
InstructVLA: Vision-Language-Action Instruction Tuning from Understanding to Manipulation
par: Yang, Shuai, et autres
Publié: (2025)
par: Yang, Shuai, et autres
Publié: (2025)
RoamScene3D: Immersive Text-to-3D Scene Generation via Adaptive Object-aware Roaming
par: Chu, Jisheng, et autres
Publié: (2026)
par: Chu, Jisheng, et autres
Publié: (2026)
Rethinking the Embodied Gap in Vision-and-Language Navigation: A Holistic Study of Physical and Visual Disparities
par: Wang, Liuyi, et autres
Publié: (2025)
par: Wang, Liuyi, et autres
Publié: (2025)
Scene-Conditional 3D Object Stylization and Composition
par: Zhou, Jinghao, et autres
Publié: (2023)
par: Zhou, Jinghao, et autres
Publié: (2023)
Disentangling Instance and Scene Contexts for 3D Semantic Scene Completion
par: Liu, Enyu, et autres
Publié: (2025)
par: Liu, Enyu, et autres
Publié: (2025)
TrajVG: 3D Trajectory-Coupled Visual Geometry Learning
par: Miao, Xingyu, et autres
Publié: (2026)
par: Miao, Xingyu, et autres
Publié: (2026)
GenSpace: Benchmarking Spatially-Aware Image Generation
par: Wang, Zehan, et autres
Publié: (2025)
par: Wang, Zehan, et autres
Publié: (2025)
MesaTask: Towards Task-Driven Tabletop Scene Generation via 3D Spatial Reasoning
par: Hao, Jinkun, et autres
Publié: (2025)
par: Hao, Jinkun, et autres
Publié: (2025)
CronusVLA: Towards Efficient and Robust Manipulation via Multi-Frame Vision-Language-Action Modeling
par: Li, Hao, et autres
Publié: (2025)
par: Li, Hao, et autres
Publié: (2025)
MV-CoLight: Efficient Object Compositing with Consistent Lighting and Shadow Generation
par: Ren, Kerui, et autres
Publié: (2025)
par: Ren, Kerui, et autres
Publié: (2025)
Style-Consistent 3D Indoor Scene Synthesis with Decoupled Objects
par: Zhang, Yunfan, et autres
Publié: (2024)
par: Zhang, Yunfan, et autres
Publié: (2024)
Imagine2Real: Towards Zero-shot Humanoid-Object Interaction via Video Generative Priors
par: Chen, Jiahe, et autres
Publié: (2026)
par: Chen, Jiahe, et autres
Publié: (2026)
Documents similaires
-
Chat-Scene: Bridging 3D Scene and Large Language Models with Object Identifiers
par: Huang, Haifeng, et autres
Publié: (2023) -
Grounded 3D-LLM with Referent Tokens
par: Chen, Yilun, et autres
Publié: (2024) -
RoboGround: Robotic Manipulation with Grounded Vision-Language Priors
par: Huang, Haifeng, et autres
Publié: (2025) -
Language-to-Space Programming for Training-Free 3D Visual Grounding
par: Mi, Boyu, et autres
Publié: (2025) -
MMScan: A Multi-Modal 3D Scene Dataset with Hierarchical Grounded Language Annotations
par: Lyu, Ruiyuan, et autres
Publié: (2024)