Xuesong Niu
収録論文 2本 ・ フィジカルAI/ロボット学習
VLA3D視覚言語
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
論文
- 3Dシーンにおけるマルチモーダル状況推論VLA2024/9/1
3Dシーン内の状況理解のための大規模マルチモーダル質問応答データセットMSQAとナビゲーション評価ベンチマークMSNNを提案し、既存モデルの限界とマルチモーダル入力の重要性を示した。
- SceneVerse: 3D視覚言語学習の大規模化による接地されたシーン理解3D視覚言語2024/1/1
68Kの3D屋内シーンと250万の視覚言語ペアからなる初の100万規模データセットSceneVerseを構築し、統一事前学習フレームワークGPSで3D視覚言語接地のSOTAを達成した。
