跳到正文
arXiv · 机器人与计算机视觉· Zhihao Zhang, Gengwei Zhang, Tianlong Chen, Xiaoming Liu·· 9 天前AI 评分70

RefineAny3D:一种基于语义对齐的单目 3D 目标检测深度细化方法

RefineAny3D: Depth Refinement as Semantic Alignment for Monocular 3D Detection

AI 导读

论文 RefineAny3D 提出将单目 3D 目标检测中的深度误差修正转化为视觉空间对齐问题,而非数值回归。该方法利用视觉语言模型(VLM)扩展词汇表以使用动作 token 进行类别决策,并通过大规模思维链数据集监督模型基于显式视觉证据做出判断。

来源:arXiv · 机器人与计算机视觉 · arxiv.org