RelationVGGT：用于 3D 空间关系分割的视觉几何 Transformer

RelationVGGT 提出一种前馈式、无姿态、多视角的 3D 空间关系分割框架，将视觉基础模型语义特征与 3D 几何基础模型几何表示结合，并通过关系 Transformer 实现主体条件化的跨视角关系预测，无需逐场景优化或已知相机位姿。文章同时基于 ScanNet++ 与 VLM/LLM 提供全自动标注管线，以支持该任务的可扩展训练数据生成。NeurIPS 2026 接收（海报）。