BriefGPT - AI 论文速递 · 2024-10-17T00:00:00Z VLM-Grounder: A VLM Agent for Zero-Shot 3D Visual Grounding 💡 原文英文，约100词，阅读约需1分钟。 📝 内容提要 本研究提出VLM-Grounder框架，旨在解决传统3D视觉定位在数据稀缺时的局限性。通过动态拼接图像序列和定向反馈，能够精确估计3D边界框。实验结果表明，该方法在ScanRefer和Nr3D数据集上优于以往的零-shot方法，展现出强大的应用潜力。 🏷️ 标签 3D视觉定位 VLM-Grounder agent vlm 数据稀缺 边界框 零-shot方法 阅读原文 生成长图 分享链接 已复制链接
