跳到正文
arXiv · 机器人与计算机视觉· Kento Tokura, Ryosuke Korekata, Daichi Yashima, Kei Katsumata, Kanon Amemiya, Miyu Goko, Komei Sugiura·· 14 天前AI 评分56

STARE:面向日常物体的场景感知多模态检索方法

STARE: Scene Text-Aware multimodal Retrieval for Everyday objects

AI 导读

针对服务机器人基于自由指令(含视觉特征与场景文本)检索并搬运日常物体的任务,研究提出 STARE 模型。该方法利用跨语言视觉提示增强对嵌入环境的场景文本解释能力,并建模指令中命名实体与对应物体间的复杂关系。

来源:arXiv · 机器人与计算机视觉 · arxiv.org