Tag · 2 篇
全景视觉
分布 视觉语言模型13D 视觉与重建1
01 02
在 360 度中思考：野外场景下的人形视觉搜索
Thinking in 360deg: Humanoid Visual Search in the Wild
把 360° 全景图当作可主动转头的沉浸式环境，构建了 MLLM 智能体做物体/路径搜索的基准与后训练方案；对做 VLM 空间推理、全景/具身视觉的人，可直接复用其 H* Bench 评测设定与后训练提升范式。
OneOcc：基于单个全景相机的腿足机器人语义占用预测
OneOcc: Semantic Occupancy Prediction for Legged Robots with a Single Panoramic Camera
针对腿足/人形机器人平台，提出仅用单个全景相机进行360°语义占用预测的框架，其双投影融合、双网格体素化和步态位移补偿模块可被复用于其他存在剧烈抖动的移动平台的全景3D感知任务。