arXiv · 机器人与计算机视觉· Fan Zhu, Rui Yu·· 10 天前AI 评分53
BEV3SR:一种基于证据感知的视频三维空间推理方法
BEV3SR: Evidence-Aware 3D Spatial Reasoning from Video
AI 导读
论文介绍 BEV3SR,这是一个无需训练且对骨干网络无关的框架,旨在利用带有相机参数的 RGB-D 视频进行显式的三维空间推理。该方法将视频观测转化为可查询的度量鸟瞰图(BEV)场景记忆,并将每个查询形式化为证据感知的空间任务:若需几何证据则通过几何推理器在指定参考系中计算答案;否则通过视觉证据对齐器检索与物体一致的 RGB 帧以支持 VLM 定位。
来源:arXiv · 机器人与计算机视觉 · arxiv.org