PROSE：免训练第一人称场景配准方法

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。

摘自 arXiv cs.RO

还没有足够的连续观测数据，暂不绘制趋势。