PulseAugur
中
实时 05:30:06
English(EN) MonoSR: Open-Vocabulary Spatial Reasoning from Monocular Images

新数据集MonoSR旨在实现从单张图像进行开放词汇空间推理

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了MonoSR，这是一个大规模数据集，旨在提升从单目图像进行开放词汇空间推理的能力。该数据集涵盖了室内、室外和以物体为中心的各种环境，并支持多种问题类型，旨在克服现有研究的局限性，这些研究通常侧重于室内场景或需要多视图输入。该论文还评估了当前MonoSR上的视觉语言模型，突显了它们的不足之处，并探讨了单目空间推理对辅助信息的必要性。 AI

影响 为单目空间推理建立了新的基准，有望提高AI系统从单张图像理解3D环境的能力。

排序理由 该集群是关于一篇介绍数据集和评估模型的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新数据集MonoSR旨在实现从单张图像进行开放词汇空间推理

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Qirui Wang, Jingyi He, Yining Pan, Si Yong Yeo, Xulei Yang, Shijie Li ·

    MonoSR: Open-Vocabulary Spatial Reasoning from Monocular Images

    arXiv:2511.19119v2 Announce Type: replace Abstract: Spatial reasoning (SR), the ability to infer 3D spatial information from 2D inputs, is essential for real-world applications such as embodied AI and autonomous driving. However, existing research primarily focuses on indoor envi…

相关话题