MonoLaDN：语言引导去噪的单目3D检测框架

Kiet Dang Vu 等作者提出 MonoLaDN，一个语言引导去噪框架：训练时把冻结的视觉语言模型（VLM）对物体遮挡、深度、尺寸和角度的结构化推理编码为查询并加噪，让纯视觉单目 3D 检测器重建干净推理，从而内化 VLM 的几何先验。 推理阶段丢弃这条推理路径，部署模型保持纯视觉，不增加延迟或参数。作者称在 KITTI 3D 和 nuScenes 上，MonoLaDN 持续优于 SOTA 检测器，并具备跨域泛化能力；论文已被 ACCV 2026 接收。

AI 根据报道生成 · 50 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。