标签:3D Visual Grounding

Explore topics by category and tag.

Tag

#3D Visual Grounding

包含此标签的文章共 1 篇

#3D Visual Grounding

共 1 篇

CoT3DRef:基于链式锚点推理的数据高效三维视觉定位

三维视觉定位(3D Visual Grounding)旨在根据自然语言描述,在三维场景中定位描述所指向的具体物体。与一般的物体分类任务不同,该任务不仅要求模型判断目标属于哪一个类别,还要求模型在多个同类别实例中确定正确的空间实体。 例如,给定描述“找出距离放有白色和红色盒子的书架最近的椅子”,目标类别虽然是椅子,但模…