RefineAny3D

新的AI模型以新颖方法解决3D视觉任务

一款名为RefineAny3D的新型视觉语言模型被开发出来，用于改进单目3D目标检测的深度估计。RefineAny3D不直接预测深度，而是使用动作令牌和视觉对齐来纠正深度误差，从而提高闭集和开词汇检测器的准确性。另外，SenseNova-Vision是一个7B的开源模型，它提供了一种统一的方法来处理各种计算机视觉任务，包括分割、深度估计、目标检测、OCR和3D重建，而无需特定任务的头部。