3D形状理解のためのVIT-LENSの提案 - 効率的なオムニモーダル表現学習の実現

VIT-LENSは、事前学習済みのViTを活用して、効率的にオムニモーダルな表現学習を実現する。特に3D形状の理解において、従来手法を大幅に上回る性能を示す。