以定位、尺度与开放词汇接口为线索，评估 MASt3R、CUT3R、Depth Anything V2、UniDepth、FoundationStereo、Florence-2 和 YOLO-World。
从 CNN、ViT、自监督学习到开放词汇检测、可提示分割、点云 Transformer、深度估计、三维重建和视频预测，系统梳理 CV 主流论文。
