LIME：从第一视角视频学习意图感知相机运动

2026年10月15日，arXiv Robotics 出现一篇由 Boyang Sun 等作者提交的论文预印本，提出 LIME——一个视觉语言相机运动生成器。据该报道，LIME 可根据当前 RGB 观测和自然语言意图，预测下一观测的相对目标相机位姿；其方法通过 hindsight labeling 从第一视角视频中挖掘多意图相机运动监督，将每个相对 SE(3) 目标位姿与可能的意图和观测增益描述配对，并结合自回归观测增益输出与连续 flow-matching 位姿头。上述内容均来自该篇预印本报道，目前尚无后续跟进报道，事件进展停留在方法提出阶段。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。