Tag · 3 篇
单目3D检测
分布 目标检测与定位2视觉语言模型1
01 02 03
释放链式预测的潜力用于单目3D目标检测
Unleashing the Power of Chain-of-Prediction for Monocular 3D Object Detection
把 3D 属性（深度/尺寸/朝向）的投影相关性显式建模成链式特征传播，并用不确定性门控在链式与并行预测间逐目标切换，可直接迁移到其他多属性回归的几何估计任务（如单目深度+位姿、6D 位姿估计）。
MonoSAOD：面向稀疏标注标签的单目3D目标检测
MonoSAOD: Monocular 3D Object Detection with Sparsely Annotated Label
针对稀疏标注场景，用道路感知的图像块粘贴增强保持3D几何一致性，并用原型相似度加深度不确定性过滤伪标签，可直接迁移到其他3D/2D检测器的半监督训练流程。
基于视觉定位的3D感知空间视觉语言建模
Grounded 3D-Aware Spatial Vision-Language Modeling
把「生成时插入区域 token」的隐式视觉定位与区域提示的单目 3D 框预测结合，可作为 VLM 空间推理的可复用范式：在解码过程中动态引用视觉证据，并用内参感知归一化与稠密几何监督把 2D 定位升级为 3D 推断。