论文
SceneBind: Binding What and Where Across Vision, Audio and Language
提出 SceneBind 多模态表征框架，首次实现跨视觉、音频、语言的联合语义与三维空间理解
官网 ↗档案回溯至 2026-07 · 收录于 2026-07-17热度 1.0
multimodal3d-vision
暂未评估,等待下一轮评分。
事件时间线
- 2026-07-16 🏁 里程碑SceneBind 实现跨模态三维空间联合表征
关联信号
想把「SceneBind: Binding What and Where Across Vision, Audio and Language」相关的机会落到自己的业务上?
想把 AI 机会落到自己的业务上?
灯塔背后的优秘智能团队提供:AI 落地咨询 · GEO 优化(让 AI 搜索推荐你的品牌) · 定制开发。留下需求,1 个工作日内回复。