研究人员开发了 EgoSIS,这是一种新颖的适配器,旨在利用仅 RGB 的视频输入增强无人机 (UAV) 的推理能力。该系统分三个阶段处理视觉数据,将双向流转换为运动规范视觉证据。这种方法将相机运动与场景变化分离开来,为多模态模型提供了一个稳定的参考。EgoSIS 在 SIS-Bench 基准测试中表现出显著的改进,尤其是在自我意识感知和记忆方面,为光流和空间推理之间提供了一个可解释的接口。 AI
影响 通过将相机运动与场景变化分离开来,增强了无人机的感知和记忆能力,有望改善自主导航和数据分析。
排序理由 该集群包含一篇详细介绍无人机人工智能推理新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- Ease Federated Multimodal Unlearning
- Ego-Aligned Spatial Evidence
- EgoSIS
- EgoSIS-8B
- Factorized Visual Ego-Transitions
- FVET
- Jingpu Yang
- Qwen
- Reliability-Gated Ego-Transition Memory
- Retemeyer
- SIS-Bench
- unmanned aerial vehicle
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →