3D 视觉

BOP-ASK: Object-Interaction Reasoning for Vision-Language Models

BOP-ASK：面向视觉-语言模型的对象交互推理

Vineet Bhat, Sungsu Kim, Valts Blukis, Greg Heinrich, Prashanth Krishnamurthy, Ramesh Karri, Stan Birchfield, Farshad Khorrami, Jonathan Tremblay

机构 * New York University（纽约大学） ； NVIDIA（英伟达） 纠错

专题命中 SLAM与定位 ：spatial understanding(abstract)；分类 cs.CV、cs.RO

AI总结 本文提出BOP-ASK数据集，用于训练和评估视觉-语言模型的对象交互推理能力，包含15万张图像和3300万对问题答案，涵盖六个任务，验证了模型在复杂环境中的空间推理能力。

Comments Accepted at CVPR 2026. Code, Datasets & Benchmark available at https://bop-ask.github.io/

DeepDetect: Learning All-in-One Dense Keypoints

DeepDetect: 一种统一的密集关键点检测器

Shaharyar Ahmed Khan Tareen, Filza Khan Tareen, Xiaojing Yuan

机构 * University of Houston（休斯顿大学） ； National University of Sciences and Technology（国家 sciences and Technology大学） 纠错

专题命中 SLAM与定位 ：3D reconstruction(abstract)；分类 cs.CV

AI总结 DeepDetect结合传统检测器与深度学习，通过融合多检测器输出生成真实标签，训练高效模型生成高密度关键点，提升在复杂场景下的性能。

Comments 8 pages, 8 figures, 3 tables, 6 equations