研究人员推出了一种用于具身视觉跟踪（EVT）的新型框架USS，它超越了仅文本提示，引入了统一的时空语义输入。该方法通过在单一架构中支持文本、点、边界框和掩码提示，从而能够更精确地指示目标。实验表明，明确的时空线索可以提高跟踪成功率，尤其是在存在相似干扰物的复杂环境中，并且USS在实现具有竞争力的性能的同时，推理速度也更快。 AI
影响 提高了机器人导航和物体跟踪任务的精度和效率。
排序理由 该集群描述了一篇研究论文，其中详细介绍了一种用于特定计算机视觉任务的新方法和框架。
- Embodied Visual Tracking
- Latent Dynamics Learning
- multimodal large language model
- alphaXiv
- CatalyzeX Code Finder for Papers
- Connected Papers
- DagsHub
- Gotit.pub
- Hugging Face
- Litmaps
- ScienceCast
- scite Smart Citations
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
