标签
Imagine3D-LLM 提出在回答多视角空间推理问题之前，先让多模态大语言模型想象出场景的紧凑 3D 表示（从可学习的摘要 token 解码为 3D 高斯泼溅，并以光度重建损失进行监督），在多个基准测试上超越了以往的 3D 感知 MLLM 方法。