arXiv Computer Vision
FloorSAV: Разъяснение пространственного аудио-визуального контекста с 2D картой этажа для AV-LMM
arXiv:2610.113101 Annualce Type: New Brieft: Хотя 3D пространственное обоснование в динамичной эгоцентрической среде имеет решающее значение для воплощения интеллекта, аудиовизуальные крупные языковые...
arXiv Computer Vision