ICCV 2025 HighlightAI｜打通第一/第三人称视觉，跨视角视觉理解新SOTA（

1.第一视角和第三人称

具身智能落地迈出关键一步，AI拥有第一人称与第三人称的“通感”了！INSAIT、复旦大学等单位联合提出ObjectRelator框架，让AI精准匹配不同视角下的同一物体，实现跨视角的统一表征与理解实验中，ObjectRelator在Ego（第一人称视觉）转Exo（三人称视觉）和Exo转Ego两个任务上都显著超越了所有基线模型，拿下SOTA。

2.第三人称视角转换

Ego→Exo效果，be like：

3.第三视角vr

Exo→Ego也可以很好地对齐：

4.第三人称视角控制类型

目前，该工作已被ICCV 2025接收为Highlight论文，代码已开源。

5.第三人称视角是什么意思啊

Ego与Exo之间的鸿沟在人类技能习得过程中，需要在两个视角之间进行流畅的转换我们在观看别人的演示过程时，会尝试在脑海中想象自己进行这些操作的场景然而这一跨视角理解的能力对于计算机和机器人来说却是一个巨大的挑战，制约着机器人学习、VR交互等关键领域的发展。

6.第三人称视角tpp

第一人称视角具备较强的沉浸感与交互细节捕捉能力，能够精确刻画主体与环境之间的动态交互过程然而，其视觉范围受限、画面稳定性较差，难以全面反映场景全貌相比之下，第三人称视角具有更广阔的空间感知能力，能够清晰呈现场景与动作的整体结构及时空关系，但其画面中目标物体通常较小，细节信息相对不足。

7.第三人视角英文

如何在物体级别上建立第一人称与第三人称视角之间的视觉对应与语义关联，进而实现跨视角的统一表征与理解，仍是当前领域亟待解决的核心问题。

8.第三人称视角审视自己

现有工作的不足与挑战尽管近年来出现了诸如Mask2Former、SAM、SAM2等高性能图像分割模型，但如下图所示，他们普遍受限于从单一图像（视角）中进行图像分割任务，难以驾驭跨视角分割问题。

9.第三人称视角百度百科

PSALM是为数不多可以接受双视角输入进行分割的模型，然而其在面临Ego-Exo跨视角物体分割任务时仍面临两大核心挑战：1、复杂的背景干扰在复杂场景下拍摄的Ego/Exo画面，尤其是Exo，其场景通常包含大量结构复杂、语义多样的背景元素，其中部分对象在外观或形态上与目标高度相似。

10.第三人称视角视频

此类高相似度干扰使得仅依赖视觉特征进行匹配极易导致目标混淆或误识别，从而显著削弱模型在跨视角目标辨识与追踪中的判别能力2、显著的视觉变换同一个物体，在Ego视角中可能占据图像的大部分区域，而在Exo视角中则仅表现为画面中的一个小尺度目标，其外观形态、姿态角度以及相对空间位置均发生剧烈变化。

此外，由于光照、遮挡和相机参数不同，物体的颜色、纹理等视觉特征在两个视角下也会呈现出明显的视觉差异如下对比图显示，（a）PSALM会定位到形状相似而语义错误的物体类型；