跳到正文
arXiv · 机器人与计算机视觉· Anna-Maria Halacheva, Jan-Nico Zaech, Sombit Dey, Luc Van Gool, Danda Pani Paudel·· 29 天前AI 评分53

P$^3$-VLM:一种用于Grounded 3D VLM的点基替代方案

P$^3$-VLM: A Point-based Alternative for Grounded 3D Vision-Language Models

AI 导读

该论文揭示了现有3D视觉语言模型基准中过度依赖边界框提示导致的语义泄露问题。作者提出基于点的提示协议,证明在仅用单点坐标时盲LLM性能显著下降,从而验证了视觉信息的重要性。

来源:arXiv · 机器人与计算机视觉 · arxiv.org