Home Progetti SpatialLM
SpatialLM
Python

SpatialLM

[NeurIPS 2025] SpatialLM: Addestramento di Grandi Modelli Linguistici per Modellazione Strutturata degli Interni

di manycore-research · GitHub
Stelle
Fork
Creato
Ultimo commit
Categoria
Lingua
mllmpoint-cloudsscene-understandingPython
Visualizza su GitHub
In parole semplici

Allena e affina modelli di linguaggio di grandi dimensioni per comprendere e modellare spazi interni.

Mantieni questo progetto?

Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.

Rivendica questa pagina →
SpatialLM — GitHub preview card
📈 Storia delle stelle
4.7k4.6k
2026-07-122026-08-31
📈 Segui SpatialLM

Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.

Gratis · senza carta · disdici quando vuoi
Ricevi avvisi via email →
📄 Informazioni

[NeurIPS 2025] SpatialLM: Addestramento di Grandi Modelli Linguistici per Modellazione Strutturata degli Interni

SpatialLM ha 4.7k stelle su GitHub. È stato forkato 400 volte. SpatialLM è scritto principalmente in Python. È in sviluppo attivo dal 2025. I suoi temi principali sono: mllm, point-clouds, scene-understanding, spatial-intelligence.

Frequently asked questions

Che cos'è SpatialLM?

[NeurIPS 2025] SpatialLM: Addestramento di Grandi Modelli Linguistici per Modellazione Strutturata degli Interni

SpatialLM è open source?

SpatialLM è un progetto open source.

SpatialLM è gratuito?

Sì. SpatialLM è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.

In quale linguaggio è scritto SpatialLM?

SpatialLM è scritto principalmente in Python.

🏅 Manutentore di questo progetto?
olud.ai badge — SpatialLM

Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.

[![olud.ai](https://olud.ai/badge.php?tool=manycore-research-spatiallm)](https://olud.ai/project/manycore-research-spatiallm.html)
Altre opzioni di badge →
🧬 Condivide il DNA con🧬 Vedi la mappa del DNA →

Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.