视频大模型

SceneVGGT: VGGT-based online 3D semantic SLAM for indoor scene understanding and navigation

SceneVGGT: 基于VGGT的在线3D语义SLAM用于室内场景理解和导航

Anna Gelencsér-Horváth, Gergely Dinya, Dorka Boglárka Erős, Péter Halász, Islam Muhammad Muqsit, Kristóf Karacs

机构 * Pázmány Péter Catholic University（帕梅尼·彼得天主教大学） ； Eötvös Loránd University（欧多尼·洛兰德大学） 纠错

专题命中 长视频与时序推理 ：long video(abstract)；分类 eess.IV

AI总结 SceneVGGT基于VGGT实现高效的在线3D语义SLAM，用于室内场景理解和导航，通过滑动窗口管道实现长视频流处理，结合语义映射与SLAM，提升导航的鲁棒性和交互性。