Tag · 2 篇
深度一致性
分布 3D 视觉与重建1视觉语言模型1
01 02
MV3DIS：基于 3D 引导的多视图掩码匹配用于零样本 3D 实例分割
MV3DIS: Multi-View Mask Matching via 3D Guides for Zero-Shot 3D Instance Segmentation
用粗粒度 3D 分割结果作为跨视图 2D 掩码匹配的公共参照，并以 3D 覆盖分布与深度一致性加权来筛选多视图掩码，可复用于任何需要把 SAM 类 2D 掩码提升到 3D 的零样本流程。
超越 3D VQA：向视觉语言模型注入 3D 空间先验以增强几何推理
Beyond 3D VQAs: Injecting 3D Spatial Priors into Vision-Language Models for Enhanced Geometric Reasoning
把点对应与深度一致性作为深层监督信号注入 LLM 的 Transformer 各层，为提升 VLM 三维空间推理提供了一条不依赖 3D VQA 数据、可复用的训练路径；其逐层对应匹配诊断也可直接用于分析其他 VLM 的内部几何表征。