文本监督

基于视觉语言模型的零样本深度补全

Zero-Shot Depth Completion with Vision-Language Model

把稀疏深度以视觉 token、文本提示和文本监督三种方式注入 VLM，使通用视觉语言模型无需改结构即可输出带绝对尺度的稠密深度，为利用 VLM 语义先验做几何感知提供了一条可复用的路径。