Multi-view perception专业
用更弱解码器换取更强编码器:SNAP 通过新视角合成学习可迁移几何表征
这是预印本,未经同行评审。论文提出 SNAP,一种自监督编码器-解码器 transformer,通过限制解码器接收野并在 DINOv3 潜在空间中重建目标视图,迫使编码器学习几何结构。在五个任务上,SNAP 与自监督基线相当或更优,并在部分指标上接近或超过需要大规模 3D 标注的 VGGT,证明新视角合成的几何信号可以通过约束解码器表达力被有效利用。
机器人与具身智能领域的最新论文,以及每篇对产业的意义。
这是预印本,未经同行评审。论文提出 SNAP,一种自监督编码器-解码器 transformer,通过限制解码器接收野并在 DINOv3 潜在空间中重建目标视图,迫使编码器学习几何结构。在五个任务上,SNAP 与自监督基线相当或更优,并在部分指标上接近或超过需要大规模 3D 标注的 VGGT,证明新视角合成的几何信号可以通过约束解码器表达力被有效利用。
论文来自 arXiv 机器人领域。尚未生成摘要的论文,显示摘要开头部分。