研究人员推出3DVQL，一个旨在推进三维环境中视觉查询定位的新基准。该基准包含超过2000个序列，具有多模态数据，包括点云和RGB图像，并具有精心标注的响应轨迹段。为了应对这一挑战，该论文还提出了一种新颖的提升和注意力融合算法LaF，该算法与现有基线方法相比表现出优越的性能。 AI
影响 为三维视觉查询定位建立了一个新基准，有可能推动人工智能系统的空间理解能力的进步。
排序理由 这是一篇介绍新基准和算法的研究论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2605.01498v1 Announce Type: new Abstract: Visual query localization (VQL) aims to predict the spatio-temporal response of the most recent occurrence in a sequence given a query. Currently, most research focuses on visual query localization in 2D videos, while its counterpar…