يقدم المؤلفون ELSA3D، وهو نموذج أساسي موحد للبيانات ثلاثية الأبعاد يعالج التفاعل الضمني بين النص والبيانات ثلاثية الأبعاد من خلال هيكلة الاستدلال اللغوي والهندسي على مقاييس تجريد متطابقة. يستخدم النموذج موزع رموز شجري ثمناني (octree) واعٍ للمقياس ويقدم رموز الربط (Anchor Tokens)، وهي وحدات نادرة عبر الوسائط توجه الإشارات الدلالية إلى المقاييس ثلاثية الأبعاد ذات الصلة.
- تختار رموز الربط الإشارات الدلالية، وتسترجع الأدلة الهندسية الخاصة بالمقياس، وتكتب الإشارة المدمجة مرة أخرى في التمثيل الموحد.
- يجعل الموجه الخفيف لكل كتلة الحساب والاستدلال مرنًا من خلال تحديد أي رموز نصية تُنشئ روابط على مقاييس هندسية محددة.
- يحقق ELSA3D أداءً متقدمًا (state-of-the-art) في توليد البيانات ثلاثية الأبعاد من الصور، وتوليد البيانات ثلاثية الأبعاد من النص، ووصف البيانات ثلاثية الأبعاد.
- يقلل هذا النهج عمليات الضرب والجمع العائمة (FLOPs) وزمن الاستدلال إلى النصف مقارنة بالإصدار غير المرن من نفس النموذج.
تسمح هذه الطريقة للقدرة عبر الوسائط بالتركيز حيث يكون التطابق أكثر حاجة، مما يحسن الكفاءة دون التضحية بالأداء.