Tag · 2 篇
目标跟踪
分布 自动驾驶与遥感1视觉语言模型1
01 02
V2U4Real：面向车-无人机协同感知的真实世界大规模数据集
V2U4Real: A Real-world Large-scale Dataset for Vehicle-to-UAV Cooperative Perception
该数据集为跨视角协同感知提供了真实世界多模态基准，可用于研究车-无人机协同下的3D检测与跟踪，解决地面视角的遮挡与远距离感知问题。
Molmo2：面向视频理解与视觉定位的视觉语言模型开放权重与数据
Molmo2: Open Weights and Data for Vision-Language Models with Video Understanding and Grounding
Molmo2 提供了不依赖闭源 VLM 生成的视频/多图数据集与训练配方（packing 与 message-tree 编码、视觉 token 双向注意力、token 加权策略），并给出点驱动视觉定位与像素级跟踪的评测设定，可直接用于构建或评测具备指点和跟踪能力的视频语言模型。