arXiv · 机器人与计算机视觉· Xinglin Li, TingTing Long, Jingzhi Zhou, Jiajing Chen, Jian Yang, Jin Xie·· 23 天前AI 评分58
GeoLift:基于显式 3D 地图的视频空间推理 grounding
GeoLift: Grounding Video Spatial Reasoning in Explicit 3D Maps
AI 导读
该论文提出 GeoLift,一个无需训练的框架,利用前馈 3D 重建将单帧检测对象映射到共享度量 3D 场景。通过冻结 MLLM 进行 2D grounding 并结合预训练几何模型,该方法使用超点关联跨视角观测,实现了显式的空间关系计算与多步路线规划。
来源:arXiv · 机器人与计算机视觉 · arxiv.org