Tag · 2 篇
视角变换
分布 视觉语言模型1自动驾驶与遥感1
01 02
词元变换帮助多模态大模型从邻近视角观察
Token Warping Helps MLLMs Look from Nearby Viewpoints
把视角变换从像素域搬到 ViT 词元域，用反向词元 warping 替代像素 warping，为 MLLM 提供对深度误差更鲁棒的视角外推手段；做多视角/具身推理的可以直接复用这一词元级几何对齐思路。
Dr.Occ：面向自动驾驶的深度与区域引导环视相机三维占用预测
Dr.Occ: Depth- and Region-Guided 3D Occupancy from Surround-View Cameras for Autonomous Driving
用 MoGe-2 的稠密深度先验监督 2D-to-3D 视角变换，可缓解纯视觉 BEV/占用方法中体素特征与几何错位的问题；区域引导的 MoE 专家分配则为处理空间类别不平衡提供了可复用的思路。