arXiv · 机器人与计算机视觉· Aditya Gandhamal, Aniruddh Sikdar, Arya Kishor, Suresh Sundaram·· 13 小时前AI 评分42
Pixel2Perspective:多模态与多视角泛化基准评测
Pixel2Perspective: A Benchmark for Multi-Modal and Multi-View Generalization in Vision-Language Models
AI 导读
Pixel2Perspective 提出面向具身智能的跨域泛化基准,涵盖空中与地面视角及红外等多传感器数据。该工作评估 CLIP 等基础模型在恶劣天气、仿真到现实场景下的开放词汇分割能力,并引入 MSRIQ 框架联合量化不确定性。项目页面与数据集已公开,旨在推动开放世界具身智能感知系统的鲁棒性研究。
来源:arXiv · 机器人与计算机视觉 · arxiv.org