Qwen-3D: A Generalist 3D Vision-Language Model for Spatial Understanding
Qwen-3D:用于空间理解的通用三维视觉语言模型
机构 * Carnegie Mellon University(卡内基梅隆大学)
AI总结 本研究提出 Qwen-3D 三维视觉语言模型,通过多视角几何线索与三维旋转位置嵌入提升空间推理,在三维任务上超越现有 3D LMM,还保持二维任务性能。
Comments Project Page: https://qwen-3d.github.io/