GELviews

MV-GEL框架增强了语言驱动的网格3D实体定位

研究人员开发了MV-GEL，一个旨在利用语言驱动提示改进3D网格上几何实体定位的新颖框架。该系统通过采用一个名为GELviews的提示条件排序模块来选择信息量最大的视角，从而解决了3D物体外观中的视角敏感性挑战。通过使用视觉-语言模型处理这些选定的视图，并通过几何感知光线投射将预测提升到网格上，MV-GEL在面和边定位方面的准确性相比基线方法有了显著提高。