arXiv · 机器人与计算机视觉· Minsu Kim, Jaesung Choe, Jiwoo Lee, Yu-Chiang Frank Wang, Seon Joo Kim·· 2026-10-06AI 评分28
RelationVGGT:无需姿态估计的视觉几何 Transformer 实现三维空间关系分割
RelationVGGT: Visual Geometry Transformers for 3D Spatial Relation Segmentation
AI 导读
RelationVGGT 提出了一种前馈式框架,融合视觉基础模型语义特征与三维几何表示,在无需场景优化或已知相机位姿的多视图设置下完成目标分割。该方法配合基于 ScanNet++、利用 VLMs 和 LLMs 构建的自动化标注管线,解决了现有方法局限于物体中心感知而忽视空间关系的难题。该工作已作为海报形式被 NeurIPS 2026 接收,相关代码与数据开放许可情况需查阅项目页面。
来源:arXiv · 机器人与计算机视觉 · arxiv.org