Компьютерные науки > Комптурное видение и распознавание моделей [представлено 25 октября 2026 года] Название: LegoOcc+: Towards Sconsective Open-Vocubulary 3D Expositation View PDF HTML (экспериментальное) Резюме: Открытое вокабулярное прогнозирование 3D имеет важное значение для встроенных агентов, работающих в сложных средах, семантические категории которых выходят за рамки фиксированных таксономий. В то время как в ходе недавних исследований изучался вопрос о заселении открытых волов для внедорожников, условия внутри помещений остаются сложными из-за плотных иллюзий, сложной геометрии и мелкозернистые семантики. Чтобы уменьшить потребность в дорогостоящих семантических аннотациях на уровне вокселя, мы изучаем только геометрию для наблюдения за условиями, требующих только бинарных ярлыков. Мы становимся на основе языковых гауссанцев как единого представительства, соединяющего 3D геометрию с семантикой, не имеющей никакого отношения к языку. Для изучения геометрии мы введем на основе пуизонского анализа, который позволяет получать стабильную объемную агрегацию под двоичным наблюдением за заполненностью. Для семантического обучения мы преобразуем Гаусские особенности в изображения и привязываем их к замороженной модели открытого голоса, вместе с Прогрессивным Температурным Декай для уменьшения смешивания свойств во время гаоссовской разбрызгивания. Опираясь на эти рамки, мы далее внедряем семантическое соответствие уровня случая для смягчения фрагментированных прогнозов…
LegoOcc++: На пути к последовательному прогнозированию занятости 3D
arXiv: 2610.34093v1 Annuales Type: New Humber: Open-vocabulary Prevision 3D имеет важное значение для встроенных агентов, действующих в сложных средах, семантические категории которых выходят за рамки фиксированных таксономий. В то время как в ходе недавних исследований изучался вопрос о заселении открытых волов для внедорожников, условия внутри помещений остаются сложными из-за плотных иллюзий, сложной геометрии и мелкозернистые семантики. Чтобы уменьшить потребность в дорогостоящих семантических аннотациях на уровне вокселя, мы изучаем только геометрию для наблюдения за условиями, требующих только бинарных ярлыков. Мы становимся на основе языковых гауссанцев как единого представительства, соединяющего 3D геометрию с семантикой, не имеющей никакого отношения к языку. Для изучения геометрии мы введем на основе пуизонского анализа, который позволяет получать стабильную объемную агрегацию под двоичным наблюдением за заполненностью. Для семантического обучения мы преобразуем Гаусские особенности в изображения и привязываем их к замороженной открытой модели, тог