Tag · 1 篇
DetAny4D: Detect Anything 4D Temporally in a Streaming RGB Video
把预训练基础模型的多模态特征与几何感知的时空解码器结合，在流式 RGB 视频上端到端直接回归 3D 边界框，为视频 3D 检测提供了可复用的时序一致性建模方案，可缓解逐帧预测带来的抖动问题。