最新研究发现，语言视觉模型在二维计算机视觉任务方面已超过最先进技术，激发了将其应用于三维数据的尝试。研究采用球面投影将3D数据转化为2D，并使用合成数据评估其效果。方法表现出高性能，验证了其潜力，但仍需解决遮挡和球面图像生成中的挑战。