研究人员推出UniRef-UAV，这是一个新的多模态基准，旨在提高无人机（UAV）使用多样化指令定位目标的能力。该基准通过支持纯文本、纯图像以及文本-图像组合查询来扩展现有方法，并能处理无目标、单目标或多目标场景。研究团队还开发了UAV-URNet，一个基线模型，将各种查询类型映射到共享空间并预测目标集，在区分缺失目标和处理可变输出基数方面表现优于大型多模态模型。 AI
影响 该基准可以推进自主系统在复杂视觉环境中的能力，实现更精确的目标识别和交互。
排序理由 该集群描述了一个用于特定计算机视觉任务的新学术基准和相关模型。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.08267v1 Announce Type: new Abstract: Unmanned aerial vehicles (UAVs) increasingly rely on visual grounding capabilities to localize task-relevant targets from diverse instructions in complex aerial scenes. Existing referring expression comprehension (REC) benchmarks an…
Unmanned aerial vehicles (UAVs) increasingly rely on visual grounding capabilities to localize task-relevant targets from diverse instructions in complex aerial scenes. Existing referring expression comprehension (REC) benchmarks and methods, however, are largely built around tex…