传统的解决方案就像给盲人配备探路杖一样，需要大量人工标注的深度数据进行训练，成本高昂且难以获取。而自监督学习方法虽然不需要标注数据，但就像仅凭触觉摸索前进，效果往往不够理想。研究团队敏锐地意识到，如果能让计算机像人类一样，既有全局的语义理解能力，又具备精细的空

模态 视觉 dino 相对误差 单目 2025-11-17 21:33  3