雷达调制选择机制用于雷达相机深度估计

2026年10月15日，arXiv Computer Vision 刊出研究者 Zhangcheng Hou 与 Tomoaki Ohtsuki 的工作，提出雷达调制选择（Radar-Modulated Selection, RMS）与 SemoDepth 方法，用于雷达-相机深度估计。据该报道，RMS 将雷达信号注入 Mamba 的选择性扫描内部，仅对步长 Δ 和读出 C 施加零初始化的学习扰动，输入投影 B 与状态矩阵 A 不接触雷达，因此初始化时等价于预训练图像 Mamba。报道以“选择而非融合”概括其思路。目前进展停留在方法提出与发布阶段，报道未给出后续实验、评测或应用结果。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。