MonoSR

新数据集MonoSR旨在实现从单张图像进行开放词汇空间推理

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。