本文介绍了新的基准数据集SK-VG，要求模型具备推理能力以确定目标对象。提出了两种接受三元类型输入的方法，并通过实验证明了其可行性和有希望的结果，但仍有改进空间。

语言引导扩散模型用于视觉定位
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证