实体
3D video detection
3D video detection
PulseAugur coverage of 3D video detection — every cluster mentioning 3D video detection across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的VLM-IE3D框架提升了视觉语言模型中的3D空间理解能力
研究人员推出了一种新颖的VLM-IE3D框架，旨在增强视觉语言模型（VLMs）的3D空间感知能力。该框架集成了从RGB视频中提取的隐式和显式3D几何信息，无需额外的3D输入数据。VLM-IE3D利用隐式几何令牌（IGTs）来获取高级几何先验知识，并利用显式几何令牌（EGTs）来捕捉详细的几何结构，通过一个3D感知的适配器进行融合。实验表明，VLM-IE3D在视频检测、视觉定位、密集字幕和空间推理等多种3D任务中均表现出色。
-
新的强化学习框架提升视频3D场景理解能力
研究人员推出3D-RFT，一个将带可验证奖励的强化学习（RLVR）应用于视频3D场景理解的新框架。与使用间接优化的传统监督微调（SFT）方法不同，3D-RFT通过组相对策略优化（GRPO）方法，使用3D IoU和F1-Score等特定任务指标直接优化模型。该方法已展示出最先进的性能，在3D视频检测、视觉定位和空间推理基准测试中优于更大的模型。