cs.CV（2024-11-15）
📊 共 6 篇论文
🎯 兴趣领域导航
支柱九：具身大模型 (Embodied Foundation Models) (3)
支柱二：RL算法与架构 (RL & Architecture) (1)
支柱三：空间感知与语义 (Perception & Semantics) (1)
支柱一：机器人控制 (Robot Control) (1)
🔬 支柱九：具身大模型 (Embodied Foundation Models) (3 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 1 | Explanation for Trajectory Planning using Multi-modal Large Language Model for Autonomous Driving | 提出基于多模态大语言模型的轨迹规划解释方法，提升自动驾驶决策透明度 | large language model | ||
| 2 | Everything is a Video: Unifying Modalities through Next-Frame Prediction | 提出基于下一帧预测的多模态统一框架，简化跨模态学习任务。 | foundation model multimodal | ||
| 3 | Llama Guard 3 Vision: Safeguarding Human-AI Image Understanding Conversations | 提出Llama Guard 3 Vision，用于保障多模态人机对话中的图像理解安全。 | multimodal |
🔬 支柱二：RL算法与架构 (RL & Architecture) (1 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 4 | One Leaf Reveals the Season: Occlusion-Based Contrastive Learning with Semantic-Aware Views for Efficient Visual Representation | 提出基于遮挡的对比学习OCL，通过语义感知视图高效学习视觉表征。 | contrastive learning |
🔬 支柱三：空间感知与语义 (Perception & Semantics) (1 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 5 | The Oxford Spires Dataset: Benchmarking Large-Scale LiDAR-Visual Localisation, Reconstruction and Radiance Field Methods | 发布牛津尖顶数据集，用于大规模激光雷达-视觉定位、重建和辐射场方法评测。 | 3D gaussian splatting gaussian splatting splatting |
🔬 支柱一：机器人控制 (Robot Control) (1 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 6 | Learning Generalizable 3D Manipulation With 10 Demonstrations | 提出基于少量演示学习的通用3D操作框架，提升空间泛化能力 | manipulation imitation learning |