3D基础模型相关 AI 资讯 · AI 热点

7月1日

10:09

10:09

官方账号arXiv cs.AI@Wenyuan Xie, Shaokai Wu, Yijin Zhou, Yanbiao Ji, Guodong Zhang, Bayram Bayramli, Qiuchang Li, Xunchu Zhou, Yue Ding, Hongtao Lu

MVP-Nav提出一种物理感知的RGB-only导航框架，利用3D基础模型将单目图像的2D语义实例投影为3D有向包围盒，重建显式物理占用空间。该方法通过多层价值图（MVM）将语义优先级与重建几何整合到共享成本空间，实现了语义推理与物理约束的统一。在零样本目标导航基准上，MVP-Nav显著优于现有无深度方法，达到最先进性能。

论文 MVP-Nav 零样本目标导航 3D基础模型

推荐理由：MVP-Nav让机器人只用普通摄像头就能安全导航，它用3D基础模型理解空间，比之前纯语义方法更安全。

6月30日

13:39

13:39

官方账号arXiv cs.AI@Liyao Wang, Ruipu Wu, Haojun Xu, Lei Shi, Linjiang Huang, Si Liu

现有跨视角目标地理定位方法依赖2D外观匹配，受限于缺少几何元数据的数据集。研究者提出GAGeo框架，基于置换等变3D基础模型π³，在单次前向传播中联合预测边界框、分割掩码和相机位姿。新构建的GeoTerra数据集包含超过22万对地面-卫星和无人机-卫星图像，提供多模态提示（点、框、蒙版）和相机位姿。引入的对比损失利用卫星视图作为通用锚点，实现零样本地面到无人机定位。实验表明该方法在未见场景和新型跨视角设置中显著优于现有方法。

论文 GAGeo GeoTerra 跨视角定位

推荐理由：想搞跨视角目标定位？这篇论文用GAGeo和22万对数据集解决了2D匹配的局限，还能零样本从地面转到无人机视角。