cs.CV（2025-12-17）
📊 共 3 篇论文 | 🔗 1 篇有代码
🎯 兴趣领域导航
支柱九：具身大模型 (Embodied Foundation Models) (1 🔗1)
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)
🔬 支柱九：具身大模型 (Embodied Foundation Models) (1 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 1 | Seeing Beyond Words: Self-Supervised Visual Learning for Multimodal Large Language Models | 提出JARVIS框架，通过自监督视觉学习增强多模态大语言模型(MLLM)的视觉理解能力。 | large language model foundation model multimodal | ✅ |
🔬 支柱二：RL算法与架构 (RL & Architecture) (1 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 2 | Photorealistic Phantom Roads in Real Scenes: Disentangling 3D Hallucinations from Physical Geometry | 提出Grounded Self-Distillation框架，解决单目深度估计中的3D幻觉问题 | distillation monocular depth foundation model |
🔬 支柱三：空间感知与语义 (Perception & Semantics) (1 篇)
| # | 题目 | 一句话要点 | 标签 | 🔗 | ⭐ |
|---|---|---|---|---|---|
| 3 | Gaussian Pixel Codec Avatars: A Hybrid Representation for Efficient Rendering | 提出高斯像素编解码头像(GPiCA)，用于移动设备高效渲染的混合人像表示 | 3D gaussian splatting gaussian splatting splatting |