Tag · 1 篇
3D-IDE: 3D Implicit Depth Emergent
通过信息瓶颈和几何自监督让MLLM在统一视觉表征中隐式涌现3D感知,推理时无需深度和位姿输入且零延迟开销,为视觉语言模型融合3D信息提供了免外部嫁接的新范式。