Tag · 3 篇

等变网络

分布 3D 视觉与重建1人脸与人体理解1强化学习与具身智能1

SO(3)-Equivariant ViT-Adapter for Data-Efficient Zero-Shot Sim-to-Real Indoor Panoramic Depth Estimation

把 SO(3) 等变归纳偏置以可变形交叉注意力的形式注入冻结的透视预训练 ViT 适配器，使视觉研究者能在不改动骨干的前提下把透视基础模型的零样本能力迁移到球面/全景输入，这一思路可复用于其他存在投影失真的成像域（鱼眼、事件相机、多相机环视）。

Progressive Guessing to Fixed Point: Rethinking Human Motion Prediction with Deep Equilibrium Models

将多阶段渐进细化重构为隐式层的固定点问题，用深度平衡模型实现无限次细化但仅需O(1)训练内存，并利用等变几何变换和热启动复用推理计算，为视觉序列预测任务提供高效框架。

GeoDexGrasp: Geometry-aware Generation for Data-efficient and Physics-plausible Dexterous Grasping

SIM(3) 等变网络加自监督解耦，把物体几何拆成形状、尺寸、位姿、交互方向的可迁移特征，这种以物体为中心的几何表征可直接迁移到视觉中的位姿估计与抓取检测，也可作为生成式抓取模型的条件编码器。