spatial perception | BriefGPT

关键词spatial perception

搜索结果 - 5

SpatialRGPT：视觉语言模型中的基于场景的空间推理
通过数据处理和深度信息集成，Spatial Region GPT (SpatialRGPT) 提升了 Vision Language Models (VLMs) 的空间感知和推理能力，并且在空间推理任务中显著提高了性能。
PDFa month ago
电子表格理解的视觉语言模型：挑战与机遇
本文通过在电子表格理解方面探索视觉语言模型的能力，提出了三个自我学习挑战并伴随相应的评估方法，全面评估了 VLMs 在光学字符识别、空间感知和视觉格式识别等方面的能力。同时，还提出三种电子表格到图像的设定，以更细致地探索 VLMs，其中包括
PDFa month ago
ST-LDM：现实图像中基于文本引导的物体生成的通用框架
我们提出了一种称为文本引导对象生成（TOG）的新型图像编辑场景，即在实际图像中通过文本描述在空间上生成一个新的对象。我们的模型基于 Swin-Transformer，具有全局感知自编码器和适应性压缩尺度以及分层视觉特征，用于生成下一个去噪过
PDF4 months ago
Mono-hydra: 单目相机输入与 IMU 实时构建的三维场景图
该研究介绍了一个名为 Mono-Hydra 的实时空间感知系统，利用单目相机和 IMU 传感器配置，在室内场景下实现对环境的深度和语义推断，以创建实时的三维场景图，提高决策效率和机器人系统的灵活性。
PDFa year ago
3D 动态场景图：通过场景、物体和人物实现可操作的空间感知
本文提出 3D 动态场景图作为空间感知的统一表示方法，同时基于视觉惯性数据提供第一个全自动 Spatial PerceptIon eNgine (SPIN) automatically 构建 DSG，并且采用最先进的技术实现物体和人物检测及
PDF4 years ago