3d-scene-understanding

本文提出了COVER，一种无需训练的方法，用于将3D资产转换为具有完整场景覆盖和低冗余度的稀疏全景RGB-D位姿数据，并介绍了包含36,373个来自室内和室外场景的精选帧的CM-EVS数据集。

本文介绍了 HERMES++，这是一种统一的驾驶世界模型，它利用 BEV 表示、大语言模型（LLM）增强的查询以及联合几何优化，整合了 3D 场景理解和未来几何预测。