跳到正文
arXiv · 机器人与计算机视觉· Kiet Dang Vu, Cao Le Minh Khoa, Nguyen Viet Tri Pham, An Nguyen Gia, Tam Le Thuc Ho, Duc Dung Nguyen·· 14 天前精选AI 评分78

MonoLaDN:语言引导的单目 3D 目标检测去噪框架

MonoLaDN: Language-Guided DeNoising for Monocular 3D Object Detection

AI 导读

MonoLaDN 是一种针对单目 3D 物体检测的去噪框架,旨在解决仅从图像特征学习几何导致的 ill-posed 问题。该方法在训练阶段利用冻结的视觉语言模型(VLM)生成关于遮挡、深度、尺寸和角度的结构化推理,将其编码为查询并加入噪声,训练检测器重构干净推理以内部化 VLM 的几何先验。

推荐理由

该工作提出利用冻结 VLM 的几何推理进行去噪训练,使单目检测器内化高层语义先验且无额外延迟。

来源:arXiv · 机器人与计算机视觉 · arxiv.org