arXiv · 机器人与计算机视觉· Jung-Hao Kao, Jing-En Huang, Jia-Wei Liao, Tzuhsuan Huang, Yu-Lun Liu, Cheng-Fu Chou, Jun-Cheng Chen·· 16 天前AI 评分48
QVR3D:无需训练的查询引导视觉推理实现 3D 定位
QVR3D: Query-Guided Visual Reasoning for Training-Free 3D Grounding
AI 导读
QVR3D 提出一种基于 RGB-D 观测的查询引导视觉推理框架,通过 QGMC 选择互补视图并结合 GPE 估计定位概率。该方法在 ScanRefer 和 Nr3D 数据集上实现了零样本状态最优性能,且无需任务特定适配即可支持单多目标定位。代码已开源,QGMC 还提升了多个三维视觉语言任务的帧效率。
来源:arXiv · 机器人与计算机视觉 · arxiv.org