VLM

🏛️ 会议/期刊：3DV 📅 发表年份：2026 💻 开源代码：UVA-Computer-Vision-Lab/ovmono3d 📄 论文题目：Open Vocabulary Monocular 3D Object Detection 一、 背景、研究目的与核心问题 研究背景： 传统的单目 3D 目标检测（M3OD）模型都属于“闭集（Closed-set）”学习。这意味着模型只能检测训练集中预先定义好的那几种类别（例如 KITTI 数据集里的车、人、自行车）。但在真实的自动驾驶或机器人场景中，会遇到无数的长尾目标（如遗落的轮胎、奇形怪状的施工路障、甚至是一只突然窜出的动物）。 ...