深度估计

DepthVLM：统一视觉语言模型与密集度量深度估计

2026年5月18日，HuggingFace Daily Papers社区热门论文介绍了DepthVLM框架。该框架旨在将单个视觉语言模型（VLM）转变为原生密集几何预测器，同时保留其多模态能力。论文声称该方法在推理效率上显著优于现有VLM，并提升了复杂3D空间推理能力。