arXiv cs.RO· Zhiang Chen, Nahyuk Lee, Boyang Sun, Taein Kwon, Marc Pollefeys, Zuria Bauer, Sunghwan Hong·· 6 小时前
PROSE：用视觉语言模型实现免训练第一视角场景配准
PROSE: Training-Free Egocentric Scene Registration with Vision-Language Models
AI 导读
PROSE 用预训练视觉语言模型同时完成场景理解与跨扫描匹配，无需训练、深度传感器或标注场景图，即可将两段 RGB 序列配准到同一室内空间。该方法把每段 RGB 序列提升为物体级 3D 场景图，借助物体高度先验和成对同/异查询验证匹配，再通过几何一致性选出刚体变换。
来源：arXiv cs.RO · arxiv.org