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