学习到的 3D 模型对基于参考图像的定位贡献分析
热点事件持续更新
学习到的 3D 模型对基于参考图像的定位贡献分析
1 篇报道1 个报道来源14 小时前更新
先了解这件事
AI 综述
Jaehyun Kim 等人发布的研究对比了八种学习到的 3D 模型在剑桥、NAVER B1 等五个测试集上的定位表现。结果显示,几何估计仅需一个额外参考即可显著优于双参考模型;鲁棒对齐可将 Pi3X 和 MapAnything 的增益缩小至 3.3 个百分点以内,但 Depth Anything 3 无法通过邻近参考恢复性能。该预印本还探讨了检索失败阶段及输入位姿归一化对模型稳定性的影响。
AI 根据报道生成 · 13 小时前更新
最新进展11月19日 13:00
学习到的 3D 模型为基于位姿参考的定位增加了什么?报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- arXiv · 机器人与计算机视觉学习到的 3D 模型为基于位姿参考的定位增加了什么?
研究对比了八种学习到的 3D 模型在剑桥、NAVER B1 等五个测试集上的定位表现,发现几何估计仅需一个额外参考即可显著优于双参考模型。在特定场景下,鲁棒对齐可将 Pi3X 和 MapAnything 的增益缩小至 3.3 个百分点以内,但 Depth Anything 3 无法通过邻近参考恢复性能。该预印本探讨了检索失败阶段及输入位姿归一化对模型稳定性的影响。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 1011月19日 14:00
- 近 24 小时变化
- –
02.557.510
14:0016:0018:0020:0022:0011月20日02:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。