研究人员推出 UGG,一个新颖的统一框架,通过联合建模 RGB 视频与深度和相机姿态等几何表示来理解 4D 场景。该生成模型将视觉生成和几何预测表述为条件补全,使其能够从具有不同几何和视觉标注的多样化数据集中学习。UGG 还支持在多个可能的场景假设上进行推理时搜索,利用观察到的 RGB 帧来增强几何预测,而无需地面真实几何。 AI
影响 这种统一的 4D 场景理解方法可以提升视觉智能的能力,对机器人和自主系统等领域产生影响。
排序理由 该集群描述了一篇关于新颖生成几何模型的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →