SceneBench：用于三维场景视觉语言理解的层级基准

英文标题：SceneBench: A Hierarchical Benchmark for Vision-Language Understanding of 3D Scenes

SceneBench 是一项面向三维场景视觉语言理解的层级化基准研究。论文指出，视觉语言模型在二维图像理解方面表现突出，但在三维空间推理上仍存在明显局限。现有三维数据集常依赖点云，虽然能够表达几何结构，却会丢失丰富的视觉信息；该基准旨在推动相关评测与研究改进。对于开发者和行业而言，这项工作有助于更系统地衡量多模态模型的三维场景理解与空间推理能力。

2.1 KB 483 B 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB