使用图像和音频数据的对象检测

在一些方面中，一种设备可经由与设备相关联的相机获得包括位于设备的区域内的一个或多个对象的图像。设备可至少部分地基于图像来生成第一三维输出。设备可经由与设备相关联的音频组件获得与一个或多个对象相关联的音频输入。设备可至少部分地基于音频输入来生成第二三维输出。设备可至少部分地基于第一三维输出和第二三维输出来检测一个或多个对象。描述了众多其他方面。