Buchumschlag

LM-MCVT: A Lightweight Multi-modal Multi-view Convolutional-Vision Transformer Approach for 3D Object Recognition

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Xiong, Songsong, Kasaei, Hamidreza
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition Robotics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Towards Open-World Grasping with Large Vision-Language Models
von: Tziafas, Georgios, et al.
Veröffentlicht: (2024)

3D Feature Distillation with Object-Centric Priors
von: Tziafas, Georgios, et al.
Veröffentlicht: (2024)

VITAL: Interactive Few-Shot Imitation Learning via Visual Human-in-the-Loop Corrections
von: Kasaei, Hamidreza, et al.
Veröffentlicht: (2024)

Lifelong Ensemble Learning based on Multiple Representations for Few-Shot Object Recognition
von: Kasaei, Hamidreza, et al.
Veröffentlicht: (2022)

HMT-Grasp: A Hybrid Mamba-Transformer Approach for Robot Grasping in Cluttered Environments
von: Xiong, Songsong, et al.
Veröffentlicht: (2024)

SM$^3$: Self-Supervised Multi-task Modeling with Multi-view 2D Images for Articulated Objects
von: Wang, Haowen, et al.
Veröffentlicht: (2024)

MPTF-Net: Multi-view Pyramid Transformer Fusion Network for LiDAR-based Place Recognition
von: Li, Shuyuan, et al.
Veröffentlicht: (2026)

SR3D: Unleashing Single-view 3D Reconstruction for Transparent and Specular Object Grasping
von: Zhang, Mingxu, et al.
Veröffentlicht: (2025)

Multi-view Consistent 3D Gaussian Head Avatars 'without' Multi-view Generation
von: Chharia, Aviral, et al.
Veröffentlicht: (2026)

S-MUSt3R: Sliding Multi-view 3D Reconstruction
von: Antsfeld, Leonid, et al.
Veröffentlicht: (2026)

Bridging Text and Vision: A Multi-View Text-Vision Registration Approach for Cross-Modal Place Recognition
von: Shang, Tianyi, et al.
Veröffentlicht: (2025)

Lightweight Multi-Frame Integration for Robust YOLO Object Detection in Videos
von: Quan, Yitong, et al.
Veröffentlicht: (2025)

UniBEV: Multi-modal 3D Object Detection with Uniform BEV Encoders for Robustness against Missing Sensor Modalities
von: Wang, Shiming, et al.
Veröffentlicht: (2023)

REHEARSE-3D: A Multi-modal Emulated Rain Dataset for 3D Point Cloud De-raining
von: Raisuddin, Abu Mohammed, et al.
Veröffentlicht: (2025)

3D-MoE: A Mixture-of-Experts Multi-modal LLM for 3D Vision and Pose Diffusion via Rectified Flow
von: Ma, Yueen, et al.
Veröffentlicht: (2025)

CLIP-Loc: Multi-modal Landmark Association for Global Localization in Object-based Maps
von: Matsuzaki, Shigemichi, et al.
Veröffentlicht: (2024)

RockTrack: A 3D Robust Multi-Camera-Ken Multi-Object Tracking Framework
von: Li, Xiaoyu, et al.
Veröffentlicht: (2024)

Multi-view Pose Fusion for Occlusion-Aware 3D Human Pose Estimation
von: Bragagnolo, Laura, et al.
Veröffentlicht: (2024)

Robust and Accurate Multi-view 2D/3D Image Registration with Differentiable X-ray Rendering and Dual Cross-view Constraints
von: Cui, Yuxin, et al.
Veröffentlicht: (2025)

MAG-VLAQ: Multi-modal Aerial-Ground Query Aggregation for Cross-View Place Recognition
von: Xu, Zhengyi, et al.
Veröffentlicht: (2026)

Asymmetric Dual Self-Distillation for 3D Self-Supervised Representation Learning
von: Leijenaar, Remco F., et al.
Veröffentlicht: (2025)

Mars Traversability Prediction: A Multi-modal Self-supervised Approach for Costmap Generation
von: Xie, Zongwu, et al.
Veröffentlicht: (2025)

SeePerSea: Multi-modal Perception Dataset of In-water Objects for Autonomous Surface Vehicles
von: Jeong, Mingi, et al.
Veröffentlicht: (2024)

Multi-modal panoramic 3D outdoor datasets for place categorization
von: Jung, Hojung, et al.
Veröffentlicht: (2026)

MultiGraspNet: A Multitask 3D Vision Model for Multi-gripper Robotic Grasping
von: Ortuno-Chanelo, Stephany, et al.
Veröffentlicht: (2026)

Multi-modal Situated Reasoning in 3D Scenes
von: Linghu, Xiongkun, et al.
Veröffentlicht: (2024)

CoIn3D: Revisiting Configuration-Invariant Multi-Camera 3D Object Detection
von: Kuang, Zhaonian, et al.
Veröffentlicht: (2026)

OptiPMB: Enhancing 3D Multi-Object Tracking with Optimized Poisson Multi-Bernoulli Filtering
von: Ding, Guanhua, et al.
Veröffentlicht: (2025)

HybridTrack: A Hybrid Approach for Robust Multi-Object Tracking
von: Di Bella, Leandro, et al.
Veröffentlicht: (2025)

Fast-Poly: A Fast Polyhedral Framework For 3D Multi-Object Tracking
von: Li, Xiaoyu, et al.
Veröffentlicht: (2024)

MSGNav: Unleashing the Power of Multi-modal 3D Scene Graph for Zero-Shot Embodied Navigation
von: Huang, Xun, et al.
Veröffentlicht: (2025)

MM-Gaussian: 3D Gaussian-based Multi-modal Fusion for Localization and Reconstruction in Unbounded Scenes
von: Wu, Chenyang, et al.
Veröffentlicht: (2024)

Open3DTrack: Towards Open-Vocabulary 3D Multi-Object Tracking
von: Ishaq, Ayesha, et al.
Veröffentlicht: (2024)

When LLMs step into the 3D World: A Survey and Meta-Analysis of 3D Tasks via Multi-modal Large Language Models
von: Ma, Xianzheng, et al.
Veröffentlicht: (2024)

Probabilistic 3D Multi-Object Cooperative Tracking for Autonomous Driving via Differentiable Multi-Sensor Kalman Filter
von: Chiu, Hsu-kuang, et al.
Veröffentlicht: (2023)

MM3DGS SLAM: Multi-modal 3D Gaussian Splatting for SLAM Using Vision, Depth, and Inertial Measurements
von: Sun, Lisong C., et al.
Veröffentlicht: (2024)

LCPR: A Multi-Scale Attention-Based LiDAR-Camera Fusion Network for Place Recognition
von: Zhou, Zijie, et al.
Veröffentlicht: (2023)

BEVDilation: LiDAR-Centric Multi-Modal Fusion for 3D Object Detection
von: Zhang, Guowen, et al.
Veröffentlicht: (2025)

DVPE: Divided View Position Embedding for Multi-View 3D Object Detection
von: Wang, Jiasen, et al.
Veröffentlicht: (2024)

A Coarse-to-Fine Approach to Multi-Modality 3D Occupancy Grounding
von: Shi, Zhan, et al.
Veröffentlicht: (2025)