MonoLaDN：语言引导去噪框架用于单目3D检测

Kiet Dang Vu 等作者提交论文（arXiv:2611.06282），提出语言引导去噪框架 MonoLaDN，将视觉语言模型（VLM）的几何推理先验迁移到单目 3D 目标检测器中。论文称该工作已被 ACCV 2026 接收。 方法上，MonoLaDN 在训练中利用冻结的 VLM 对每个物体的遮挡、深度、尺寸和角度生成结构化推理，将其编码为加噪查询让检测器重建；推理时舍弃该推理路径，部署模型保持纯视觉，不增加延迟和参数。作者称在 KITTI 3D 和 nuScenes 上持续超越 SOTA 检测器，并能泛化到新领域。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。