cs.CV（2024-11-16）
📊 共 3 篇论文
🎯 兴趣领域导航
🔬 支柱九：具身大模型 (Embodied Foundation Models) (2 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 1 | BlueLM-V-3B: Algorithm and System Co-Design for Multimodal Large Language Models on Mobile Devices | BlueLM-V-3B：面向移动设备的多模态大语言模型算法与系统协同设计 | large language model multimodal | ||
| 2 | MTA: Multimodal Task Alignment for BEV Perception and Captioning | 提出MTA多模态任务对齐框架，提升BEV感知和语义描述性能。 | large language model multimodal |
🔬 支柱三：空间感知与语义 (Perception & Semantics) (1 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 3 | MetricGold: Leveraging Text-To-Image Latent Diffusion Models for Metric Depth Estimation | MetricGold：利用文本到图像潜在扩散模型进行尺度深度估计 | depth estimation monocular depth metric depth |