提出IOSVLM,一种端到端3D视觉语言模型,直接以口内扫描点云为输入,结合几何到色度代理和两阶段课程学习策略,实现统一多疾病诊断与生成式视觉问答,在IOSVQA数据集上显著提升宏观准确率(+9.58%)和宏观F1(+1.46%)。
机构:浙大
来源:arXiv 2603.16781 | AI4Papers 论文推荐平台
AI4Papers 是一个以每日 arXiv 论文发现为入口的 AI 科研工作流平台,帮助研究者用最短时间掌握最新 AI/ML 前沿动态。
核心功能完全免费。高级 AI 功能(对比分析、深度研究、灵感工作台)支持自带兼容 API Key(如 OpenAI、通义千问)无限使用。
免费注册 | 使用教程