研究人员推出了一种新颖的用于3D空间关系分割的框架RelationVGGT。该系统在一个前馈、无姿态的多视图设置中运行，能够根据指定的主体和关系文本查询来分割目标，而无需目标类别名称。RelationVGGT集成了来自视觉基础模型的语义特征和来自3D几何基础模型的几何感知表示，并利用关系Transformer进行跨视图预测。该框架还包括一个基于ScanNet++和视觉语言模型（VLMs）以及大型语言模型（LLMs）构建的自动化标注管道，以促进可扩展的训练数据生成。 AI
影响 这项研究通过实现对物体关系的更细致感知，可能推动3D环境中的场景理解。
排序理由 这是一篇详细介绍新模型和特定AI任务方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- 3D spatial relation segmentation
- arXiv
- RelationVGGT
- SCANNET
- Vision--Language Models
- Visual geometry transformers
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
