摘要：3D 場(chǎng)景理解是 AR、具身智能的核心，但現(xiàn)有方法面臨數(shù)據(jù)稀缺、2D 到 3D 知識(shí)遷移困難、多視圖特征不一致等問題。POMA-3D 以點(diǎn)圖為中間模態(tài)，既保留 3D 幾何信息，又兼容 2D 基礎(chǔ)模型輸入格式，通過創(chuàng)新訓(xùn)練目標(biāo)實(shí)現(xiàn)高效自監(jiān)督學(xué)習(xí)，為 3D 場(chǎng)景理解提供了新范式。

參照原著：《POMA-3D: The Point Map Way to 3D Scene Understanding》