arXiv · 机器人与计算机视觉· Shijia Zhao, Xusheng Guo, Qiming Xia, Xun Huang, Kezheng Xiong, Zhihong Liu, Chenglu Wen·· 9 天前AI 评分54
MoT3DVG:一种具备运动感知描述与时间线索的户外 3D 视觉定位基准
MoT3DVG: A Benchmark for Outdoor 3D Visual Grounding with Motion-Aware Descriptions and Temporal Cues
AI 导读
arXiv 论文发布面向动态户外场景的 3D 视觉定位(3DVG)新基准 MoT3DVG,包含 nuScenes 数据集中的 850 个场景、31,128 帧图像及 144,568 条含运动描述的提示词。作者提出 DynaVG 框架,通过 SLIDE 模块融合短时局部与长时全局时间线索以对齐语言与点云,在基准上取得最先进性能。材料为预印本,未提及同行评审状态或具体部署结果。
来源:arXiv · 机器人与计算机视觉 · arxiv.org