Qwen-3D模型发布：融合3D几何提升空间推理

Qwen-3D是一款具备空间理解能力的通用3D视觉-语言模型，相关研究已向ECCV 2026提交。该模型利用深度和相机位姿，将多视角输入融合在共享的3D空间中，通过3D几何压缩自然地压缩视觉信息，有效破解了现有大模型在长视频推理中的瓶颈。它能够同时处理定位、分割、视觉问答（VQA）和空间推理等多项复杂任务。

2026-08-07 ~ 2026-08-08 · 2 条相关