🏛️ 会议/期刊：CVPR
📅 发表年份：2024
💻 开源代码：无
📄 论文题目：Improving Distant 3D Object Detection Using 2D Box Supervision

这篇由 NVIDIA 等机构的研究人员发表在 CVPR 2024 的重磅论文 《Improving Distant 3D Object Detection Using 2D Box Supervision》(简称 LR3D)，切入了一个目前高阶自动驾驶极其头疼的落地难题：远距离感知（Long-Range Detection）。它展示了如何用最廉价的标注，榨取单目视觉在远距离上的极限潜力。

🏛️ 会议/期刊：CVPR
📅 发表年份：2024
💻 开源代码：nullmax-vision/QAF2D-CVPR 2024
📄 论文题目：Enhancing 3D Object Detection with 2D Detection-Guided Query Anchors

这篇发表于 CVPR 2024 的论文 《Enhancing 3D Object Detection with 2D Detection-Guided Query Anchors》(简称 QAF2D) 极具工程实用价值。它没有死磕 3D 空间中的特征提取瓶颈，而是打出了一套极其聪明的“降维组合拳”，巧妙地利用成熟的 2D 视觉技术来为 3D 检测器“引路”。

🏛️ 会议/期刊：IEEE TIP
📅 发表年份：2023
💻 开源代码：mrsempress/OBMO_patchnet
📄 论文题目：OBMO: One Bounding Box Multiple Objects for Monocular 3D Object Detection

这篇发表于 IEEE TIP (2023) 的经典论文 《OBMO: One Bounding Box Multiple Objects for Monocular 3D Object Detection》 切入点非常犀利。它没有在复杂的网络主干上做文章，而是直击单目 3D 目标检测在“底层数学物理逻辑”上的痛点，提出了一种极其优雅的“即插即用（Plug-and-play）”训练策略。

🏛️ 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）。

🏛️ 会议/期刊：ICCV
📅 发表年份：2023
💻 开源代码：Xianpeng919/monoxiver (ICCV'23)
📄 论文题目：Monocular 3D Object Detection with Bounding Box Denoising in 3D by Perceiver

这篇发表于 ICCV 2023 的论文 《Monocular 3D Object Detection with Bounding Box Denoising in 3D by Perceiver》(简称 MonoXiver)，提供了一个非常经典且极具工程价值的“自上而下（Top-down）”纠错思路。它并没有试图发明一种全新的主干网络，而是设计了一个强大的“插件”，专门用来拯救那些定位不准的预测框。

🏛️ 会议/期刊：ICLR
📅 发表年份：2026
💻 开源代码：无
📄 论文题目：PLOT: Pseudo-Labeling via Object Tracking for Monocular 3D Object Detection

一、 背景、研究目的与核心问题

• 研究背景： 单目 3D 目标检测模型极度“吃数据”。然而，人工标注 3D 边界框极其昂贵且耗时，导致目前带 3D 标签的数据集规模很小，严重限制了模型的泛化能力。