arXiv · 机器人与计算机视觉· Faizan Siddiqui, Nirav Savaliya, Sahith Reddy Chada, Enna Sachdeva·· 2026-10-19AI 评分42
Cambrian-BEV:利用鸟瞰图视觉 Token 实现高效空间推理
Thinking from Above: Efficient Spatial Reasoning with Bird's-Eye-View Visual Tokens
AI 导读
Cambrian-BEV 通过无参数几何 Tokenization 将多帧特征聚合至共享鸟瞰图坐标,使同一物理位置观测在任意视角下保持一致。该方案无需架构修改,仅用冻结的 DINOv3 编码器即可将约 100K 特征压缩为 729 个 BEV Token,预填充时间降低 2.9 倍、峰值显存减少 3.6 倍。
来源:arXiv · 机器人与计算机视觉 · arxiv.org