研究发现普通的多模态大型语言模型在处理实体信息方面能力有限。为了解决这个问题，研究者设计了两个多模态实体感知对齐任务和一个对齐框架，取得了比先前最先进模型更好的结果。

本文介绍了一种民主化的三维内容创作方法，通过抽象的草图精确生成三维形状，克服了绘画技巧的限制。方法利用部分水平建模和对齐框架促进了抽象建模和跨模式对应关系，无需人类草图和三维形状配对数据集。同时，方法通过交叉模式的部分对齐建模实现了无缝的位置调整过程。在低维隐含空间中运作，大大降低了计算需求和处理时间。