跳到正文
arXiv · 机器人与计算机视觉· Shravan Chaudhari, William Paul, Suchi Saria, Rama Chellappa, Homanga Bharadhwaj·· 2026-10-08AI 评分35

Ledger:从第一人称视频中理解三维物体记忆的持久性

Never Look Back: Understanding Persistence in 3D Object Memory from Egocentric Videos

AI 导读

Ledger 是一个结合物体位置、历史与上下文描述的持久三维物体记忆系统,能从第一人称视频观测并保留离开视野的物体。该系统将 HD-EPIC 准确率从 29.7% 提升至 42.6%,UCS-Bench 准确率从 33.8% 提至 38.5%,Ego4D 物体定位中位误差为 0.99 米。研究基于 100 条拼接多场景流分析,揭示了检索与构建中的失效模式及跨场景性能恢复情况。

来源:arXiv · 机器人与计算机视觉 · arxiv.org