本文介绍了MM-NIAH基准，评估多模态大型语言模型（MLLMs）对长文本的理解能力，指出现有模型在视觉评估方面的不足。通过对20个模型在14个数据集上的综合评估，揭示了模型的局限性，并为未来研究提供了见解。

本文提出了一种名为DoubleCoverUDF的新方法，用于从无符号距离场中提取零水平集。该方法通过使用标准的Marching Cubes算法，使用学习得到的UDF和用户指定的参数r提取具有等值r的等值面。实验结果表明，与现有的基于UDF的方法相比，我们的方法具有更好的视觉评估和定量指标。