Flame3D：基于代理语言模型的 3D 场景零样本组合推理

本文提出 Flame3D，一种无需训练的框架，旨在实现 3D 场景的零样本组合推理。该方法将场景表示为可编辑的视觉 - 文本 3D 记忆，并通过可组合的空间工具供现成多模态大语言模型使用。Flame3D 允许智能体在推理时合成自定义空间程序，从而对布局、空白区域及未存在物体进行开放式推理。实验表明，其在 ScanQA 上表现媲美微调方法，并在新构建的组合空间推理基准 Compose3D 上验证了动态合成空间操作对于多跳推理的必要性。