为什么重要
ScanQA 在真实 3D 扫描场景（ScanNet）上提出自然语言问答，要求理解物体位置、属性和空间关系。是 3D 语言模型的核心评测。
返回评测
具身与3D 3D-场景理解 未饱和
模态 · 3D
任务 · 选择 / 判断
ScanQA
基于 3D 扫描场景的问答基准
Technical University of Munich ·
考察能力
3D 场景理解 空间问答 点云理解
构建信息
- 数据规模
- 41K 问答
- 评测方式
- 标准评测
- 核心指标
- EM / CIDEr
资源链接
模型效果排行
🥇 GPT-4o (2D proxy)
varies
🥈 3D-LLM
varies
3D理解 场景问答 空间推理 点云