Fgfr3
PulseAugur coverage of Fgfr3 — every cluster mentioning Fgfr3 across labs, papers, and developer communities, ranked by signal.
-
对象中心强化学习提升机器人策略在零样本迁移中的鲁棒性
研究人员开发了一种对象中心残差强化学习框架，以增强视觉-语言-动作（VLA）模型在真实机器人任务中的鲁棒性。该方法完全在模拟环境中训练一个纠正策略，利用对象姿态而非原始像素来克服仿真到真实世界的视觉领域差距。在 Franka Research 3 机器人上的五项操作任务中进行测试时，该方法将零样本成功率从 42% 显著提高到 76%。改进后的回放还可以用于重新训练基础 VLA 模型以实现进一步的自我改进。
-
OpenVTON-Bench：用于高分辨率虚拟试穿评估的新基准
研究人员推出了 OpenVTON-Bench，这是一个旨在改进虚拟试穿系统评估的大规模基准。该基准包含约 100,000 对高分辨率图像，并利用 DINOv3 等先进技术进行采样，并使用 Gemini 进行字幕生成。它提出了一个新颖的多模态评估协议，该协议评估虚拟试穿质量的五个关键维度，并与人类判断表现出高度一致性。
-
VL-SAM-v3 利用视觉记忆增强开放世界目标检测
研究人员推出了一种新框架 VL-SAM-v3，旨在通过整合外部视觉记忆来增强开放世界目标检测。该方法通过从记忆库中检索相关的视觉原型来改进现有方法，这些方法通常在细粒度细节和稀有类别方面存在不足。然后，这些原型被转化为空间和上下文先验，并整合到检测过程中，从而提高了开放词汇和开放式检测任务的性能。
-
新方法提升开放词汇目标检测的鲁棒性和自适应能力
研究人员引入了几种新方法来改进开放词汇目标检测，该领域旨在根据人类提示识别任意目标。一种方法 EBOD 将基于提示的检测器与特征匹配模块集成，无需重新训练即可抑制重复出现的假阳性和假阴性。另一种方法 RGSE 在测试时使用进化搜索过程来精炼文本嵌入，以有效地对齐文本和视觉嵌入。此外，FACTOR 利用反事实推理，通过扰动测试图像并分析属性敏感性来使模型适应分布变化，而 DAT 提供了一种轻量级的自监督微调方法来增强用于目标检测的视觉语言模型。
-
ViewSAM模型利用基础模型进行弱监督跨视图目标跟踪
研究人员开发了ViewSAM，一个用于弱监督跨视图多目标跟踪（CRMOT）的新型框架。该方法利用SAM2和SAM3等基础模型生成伪监督，减少了对昂贵帧级标注的需求。ViewSAM显式地建模视图感知的跨模态语义，从而能够以最少的额外参数在不同的摄像机视角下进行鲁棒跟踪。
-
从场景到物体：文本引导的双注视预测
研究人员开发了一种新颖的双分支注视预测框架，以改进自动驾驶中可解释的驾驶员注意力预测。该框架通过构建一个名为 G-W3DA 的新物体级驾驶员注意力数据集来解决现有数据集的局限性，该数据集使用多模态大语言模型和 Segment Anything Model 3 (SAM3) 将注视解耦为物体级掩码。所提出的 DualGaze-VLM 架构利用这些数据来实现意图驱动的空间锚定，在空间对齐指标上优于当前最先进的模型，并生成被人类评估者认为是…
-
INSIGHT 管道将二维图像理解迁移至三维，用于室内公共安全
研究人员开发了一个名为 INSIGHT 的新管道，以改进用于公共安全应用的室内场景智能。该系统将理解能力从二维图像迁移到三维度量空间，解决了标记室内数据稀缺以及传统点云方法难以识别小型安全特征的问题。INSIGHT 利用基于 SAM3 的基础模型堆栈进行分割，并结合传统计算机视觉堆栈，生成适用于快速现场部署的压缩场景图。
-
AgentRVOS 管道通过显式代理角色精炼视频对象分割
研究人员开发了 AgentRVOS，一种用于指代表达式视频对象分割 (Ref-VOS) 的新颖管道，该管道利用了一个名为 Sa2VA 的语义假设生成器。该系统采用基于代理的架构来精炼初始粗略掩码，提高准确性并处理复杂查询。该管道包括目标存在判断、时间分割和置信度感知修订阶段，最终通过 SAM3 的传播进行最终掩码精炼。