arXiv · 机器人与计算机视觉· Dazhao Du, Shiyan Du, Jian Liu, Yongjian Yu, Bohai Gu, Tao Han, Jie Zhang, Hualuo Liu, Eric Liu, Yujia Zhang, Xi Chen, Song Guo·· 6 天前AI 评分58
CamChoreo:首个时空 grounded 组合式相机运动理解基准与蒸馏方法
CamChoreo: Benchmarking Temporally Grounded Compositional Camera Motion Understanding for Vision Language Models
AI 导读
本文介绍 CamChoreo,这是首个针对时空 grounded、组合式相机运动理解的基准,包含 4,229 个带有专家时间标注的多样化单镜头片段。研究提出 CamDistill 方法,将冻结 3D 基础模型的几何知识蒸馏为轻量级相机 token,在无需推理时运行昂贵 3D 模型的情况下,显著提升了视觉语言模型的性能。
来源:arXiv · 机器人与计算机视觉 · arxiv.org