OpenGround框架通过规划和在线感知增强3D视觉定位

研究人员推出OpenGround，一个专为开放世界3D视觉定位设计的新颖框架。该系统通过集成任务链规划（Task-Chain Planning）将复杂查询分解为可管理的子目标，并通过上下文引导感知（Context-Guided Perception）进行在线物体识别，从而解决了当前方法的局限性。OpenGround还包含一个名为OpenTarget的新数据集，以促进在开放世界场景下的评估。该框架表现强劲，在ScanRefer上取得了最先进的成果，并在新的OpenTarget数据集上取得了显著的改进。 AI

影响 增强了AI根据自然语言理解和定位复杂3D环境中物体能力。

排序理由 这是一篇详细介绍3D视觉定位新框架和数据集的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• 3D visual grounding
• Context-Guided Perception
• Nr3D
• Object Lookup Table
• OpenGround
• OpenTarget
• ScanRefer
• Task-Chain Planning
• Visual Language Models
• Wenyuan Huang

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →