研究人员推出G$^2$TAM，一个仅使用无序RGB图像或视频在3D中跟踪物体的创新框架。该模型利用空间对齐的几何表示作为隐式记忆，即使在视角发生显著变化或长期遮挡的情况下，也能帮助维持稳定的物体身份和定位。G$^2$TAM将视觉和文本提示整合到共享的几何空间中，以实现端到端的空间重建和实例一致性掩码预测。为了便于训练和评估，开发了一个名为InsTrack的新数据集。 AI
影响 这项研究通过实现更鲁棒的空间推理和定位，有可能推进AI中的物体跟踪能力。
排序理由 该集群包含一篇详细介绍新模型和数据集的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
