3Dシーンにおけるマルチモーダル状況認識：大規模データセットとベンチマークの提案

本稿では、3Dシーンにおける状況認識能力を評価するための大規模データセットMSQAと、2つのベンチマークタスクMSQA、MSNNを提案する。