Tag · 4 篇

DINOv2

分布 3D 视觉与重建1自监督与表征学习1高效模型与推理加速1自动驾驶与遥感1

SceMoS: Scene-Aware 3D Human Motion Synthesis by Planning with Geometry-Grounded Tokens

用 BEV 渲染图 + DINOv2 特征替代点云/体素做场景编码，并用局部高度图训练条件 VQ-VAE 分词器把表面物理嵌入离散词表——这套「2D 场景线索接地 3D 交互」的因子化思路可直接迁移到人体-场景交互、导航与具身动作生成中，显著降低场景编码参数量。

MARCO: Navigating the Unseen Space of Semantic Correspondence

用自蒸馏把稀疏关键点监督扩展成密集语义一致的对应，配合粗到细目标提升细粒度定位，为做稠密匹配/关键点迁移的视觉工作提供了一个可替换扩散骨干的轻量 DINOv2 训练框架。

EfficientVPR: Toward Efficient Visual Place Recognition via Scene-Aware Prompt Tuning and Adaptive Feature Enhancement

用场景感知的视觉提示词微调加实例相关的局部关键特征增强，在 DINOv2-small 上以低维特征实现 73 倍加速，为视觉检索类任务提供了一条「不靠堆模型容量、不靠重排序」的效率路线，可直接迁移到图像检索与重定位的特征提取环节。

C-LaV: Conditional Latent Velocity Field Denoising for Weather-Robust LiDAR Place Recognition

把条件流匹配当作潜空间去噪器，在冻结的 DINOv2 BEV 潜空间里用概率流 ODE 把雨雪雾潜变量确定性搬运到晴天的对应潜变量，再接 SALAD 聚合做检索；这套「冻结语义锚定潜空间 + 条件流匹配去噪」的范式可直接迁移到其他受天气/传感器退化影响的检索与定位任务。