Imagine3D-LLM apprend à un modèle multimodal à imaginer la scène en 3D avant de répondre
1 sourcemis à jour il y a 6 jpertinence 2,5 sur5
L’essentiel
Des tokens de résumé, ajoutés après les tokens d’image, sont décodés en 3D Gaussian Splatting. Selon les auteurs, le modèle surpasse les approches antérieures sur plusieurs benchmarks de raisonnement spatial.
Propagation1 article, publié par HF Daily Papers le 1 oct..
Les sources
1 article
HF Daily PapersCommunauté : fiche de la sourceSource primaire
Hugging FaceJaewoo Jung, Hyeonseo Yu, Honggyu An et al.huggingface.co
Imagine3D-LLM: Teaching MLLMs to Imagine 3D Scenes Before Answering (site externe)
Reasoning about the 3D world from multi-view images remains a fundamental challenge for Multimodal Large Language Models (MLLMs).
Sur les mêmes thèmes
Recherche
Xiaomi publie MiMo-V2.6-Pro, un modèle open-weights omnimodal de 1 000 milliards de paramètres
Recherche
Xiaomi MiMo publie MiMo-V2.6-Distill-Qwen-9B, un modèle agentique de 9 milliards de paramètres
Recherche
Reflection dévoile Beam, un modèle d’IA de 501 milliards de paramètres
Recherche
OpenAI publie 722 manuscrits de mathématiques issus d’un modèle interne non diffusé
À lire ensuite
Modèles
Google DeepMind annonce Gemini 4 Argon, déployé d’abord auprès de défenseurs cyber de confiance via Fairwind
Modèles
OpenAI lance GPT-6 Sol et GPT-6 Luna, deux modèles plus économiques qui complètent GPT-6 Astra
Modèles
Anthropic publie Claude Opus 5.5 et OpenAI lance GPT-6 Sol et GPT-6 Luna à environ une heure d’écart
Modèles
Anthropic lance Claude Sonnet 5.5, deuxième modèle de la famille Claude 5.5