Meta

Cambrian-P: Pose-Grounded Video Understanding

Cambrian-P: 基于姿态的视频理解

Jihan Yang, Zifan Zhao, Xichen Pan, Shusheng Yang, Junyi Zhang, Bingyi Kang, Hu Xu, Shang-Wen Li, Saining Xie

机构 * New York University（纽约大学） ； UC Berkeley（加州大学伯克利分校） ； Meta FAIR 纠错

AI总结 该研究提出Cambrian-P，一种增强的视频多模态大语言模型，通过引入可学习的相机令牌和姿态回归头，利用姿态作为轻量级监督信号，显著提升了空间推理能力，并在多个视频问答基准上实现了SOTA表现。

Comments Project Page: https://cambrian-mllm.github.io/

LSRM: High-Fidelity Object-Centric Reconstruction via Scaled Context Windows

LSRM：通过扩展上下文窗口实现高保真对象中心重建

Zhengqin Li, Cheng Zhang, Jakob Engel, Zhao Dong

机构 * Meta Reality Labs Research（Meta现实实验室） 纠错

AI总结 LSRM通过扩展上下文窗口提升3D重建精度，采用高效粗到细流程和3D感知空间路由机制，实现高质量纹理和外观恢复，优于现有最先进方法。