PruneGround提出3D视觉定位即插即用空间裁剪框架

Duc Cao Dinh 等在 arXiv 发布论文，提出面向 3D 视觉定位的即插即用空间裁剪框架 PruneGround。该方法冻结视觉语言模型来定位与语言相关的区域，并结合多视角描述重述和点云—语言表示对齐完成目标定位。 基于论文摘要，作者报告该方法在三个 ScanRefer 设置以及 10 个 Nr3D/Sr3D 设置中的 9 个达到当时最佳结果；代码和模型已在 GitHub 公开（https://github.com/leduckhai/PruneGround）。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。