MonoLaDN：通过语言引导去噪的单目 3D 目标检测方法

MonoLaDN 提出一种语言引导去噪框架，将 VLM 的几何推理能力转移至单目 3D 检测器，保持部署模型纯视觉特性。 训练时使用冻结 VLM 生成遮挡、深度等结构化推理并注入噪声，检测器通过重构干净推理内化几何先验；在 KITTI 3D 和 nuScenes 数据集上性能优于 SOTA 且具备良好泛化能力。