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

➡️

继续阅读