Tag · 2 篇
基础模型集成
分布 视觉语言模型13D 视觉与重建1
01 02
SOTA：面向多基础模型零样本分类的自适应最优传输
SOTA: Self-adaptive Optimal Transport for Zero-Shot Classification with Multiple Foundation Models
提出一种免训练的自适应最优传输集成框架，可即插即用地融合多个视觉或视觉语言基础模型的输出，提升零样本分类性能，为多模型集成提供新思路。
CARI4D：类别无关的人-物交互4D重建
CARI4D: Category Agnostic 4D Reconstruction of Human-Object Interaction
用基础模型（人体姿态、物体先验等）的个体预测做姿态假设选择，再通过可微渲染-比较联合优化，得到度量尺度、时空一致的4D人-物交互；这套「假设选择+渲染对齐+接触物理约束」的流程可直接迁移到单目视频中任意未知物体的4D重建与跟踪。