三维点云视觉锚定的统一框架
原文中文,约300字,阅读约需1分钟。发表于: 。3D point cloud visual grounding encompasses 3D referring expression comprehension (3DREC) and segmentation (3DRES), and this paper proposes a unified framework called 3D Referring Transformer...
本文提出了一种新的方法,用于单视角RGBD图像的三维视觉定位。该方法通过融合语言和视觉特征生成热图来粗略定位相关区域,然后通过自适应特征学习和对象级匹配,结合另一种视觉语言融合来最终定位被引用的对象。实验证明,该方法在ScanRefer数据集和SUNRefer数据集上相比现有方法有较大的性能提升(分别提升11.2%和15.6%)。