多视角等变性通过最小特征微调提升3D对应理解

本研究解决了ViT模型在3D空间关系理解中的不足，通过系统评估其学习3D等变特征的能力。我们提出了一种基于3D对应关系的有效微调策略，显著提高了现有视觉模型在3D对应理解上的表现，甚至仅通过对单个物体进行一次迭代微调就能获得显著的性能提升。