Google（谷歌）

GeBDA: Building Damage Assessment as Text-Based Sequence Prediction

GeBDA：基于文本序列预测的建筑物损伤评估

Olivier Dietrich, Krishna Sapkota, Konrad Schindler, Genady Beryozkin

机构 * ETH Zurich（苏黎世联邦理工学院） ； Google（谷歌公司） 纠错

AI总结 本研究提出将建筑物损伤评估（BDA）转化为文本序列预测任务，基于通用视觉语言模型（VLM），用开源Gemma模型初步实现取得了有前景的双时相卫星图像损伤制图结果。

InstructMesh: Selective Refinement of Generative 3D Models for Fabrication

InstructMesh：面向制造场景的生成式3D模型选择性优化

Faraz Faruqi, Ahmed Katary, Demircan Tas, Theresa Hradilak, Ning Zhang, Jiaji Li, Fabian Manhardt, Martin Nisser, Vrushank Phadnis, Ruofei Du, Federico Tombari, Megan Hofmann, Stefanie Mueller

机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Google（谷歌公司） ； University of Washington（华盛顿大学） ； Khoury College of Computer Sciences, Northeastern University（东北大学科里计算机科学学院） ； Google XR（谷歌XR部门） 纠错

AI总结 InstructMesh是一款交互式3D模型后生成优化工具，可通过区域选择、针对性操作及自然语言或滑块控件，帮助用户修复生成式3D模型的制造相关缺陷，新手无需专业技能即可使用，且用户偏好混合交互界面。

MAP: A Benchmark on Multimodal Accessibility Planning for Real World Places

MAP：面向现实场所的多模态可访问性规划基准

Jason Armitage, Ioannis Tsochantaridis, Linda Mazzone, Chuqiao Yan, Srini Narayanan, Sarah Ebling

机构 * University of Zurich（苏黎世大学） ； Google DeepMind（谷歌DeepMind） 纠错

AI总结 研究推出首个多模态可访问性规划基准MAP，含声明验证与视觉证据检索两项评估，支持动态信息下的AI系统对比，为服务可访问性需求用户的多模态AI提供评估框架。