北京大学 发布 Scene-30K 数据集, 应用在 三维视觉、自然语言处理 领域

北京大学 本次发布的数据集 Scene-30K, Scene-30K数据集是一个高质量的合成数据集，包含丰富的三维场景问答和推理数据，为三维视觉语言模型（3D-VLMs）提供冷启动初始化数据。该数据集由北京大学计算机科学学院的研究团队构建，利用现有的3D-VL数据集和基于Gemini 2.5 Pro的数据引擎生成，旨在提升3D-VLMs的空间推理和泛化能力。数据集包含30,000个复杂的三维场景问答推理样本，通过规则过滤进行数据清洗，确保数据质量和推理精度。该数据集的应用领域包括但不限于三维场景稠密描述、三维物体描述、三维问答、三维对话、三维视觉定位和三维推理规划等，为智能系统在三维场景理解方面提供重要的数据支持。

查看Scene-30K

关于 北京大学 , 北京大学是中国著名的综合性研究型大学，成立于1898年，是中国最早成立的现代大学之一。该校在各个学科领域都有深厚的研究基础，是中国高等教育的典范之一。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。