DepthVLM

DepthVLM 是一个面向多模态理解与稠密度量深度估计的统一视觉语言模型。它在单个架构中联合建模图像、文本与像素级深度图，支持端到端的深度预测与跨模态推理；技术上采用轻量化适配设计，在保持VLM语义能力的同时显著提升推理速度，优于DepthLM等同类方法。适用于机器人导航、AR/VR场景重建、自动驾驶感知增强等需同步获取几何结构与语义理解的下游任务。