Buchumschlag

Can Transformers Capture Spatial Relations between Objects?

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wen, Chuan, Jayaraman, Dinesh, Gao, Yang
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition Robotics
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Recasting Generic Pretrained Vision Transformers As Object-Centric Scene Encoders For Manipulation Policies
von: Qian, Jianing, et al.
Veröffentlicht: (2024)

Can We Remove the Ground? Obstacle-aware Point Cloud Compression for Remote Object Detection
von: Zeng, Pengxi, et al.
Veröffentlicht: (2024)

Composing Pre-Trained Object-Centric Representations for Robotics From "What" and "Where" Foundation Models
von: Shi, Junyao, et al.
Veröffentlicht: (2024)

SHOW3D: Capturing Scenes of 3D Hands and Objects in the Wild
von: Rim, Patrick, et al.
Veröffentlicht: (2026)

LOC-ZSON: Language-driven Object-Centric Zero-Shot Object Retrieval and Navigation
von: Guan, Tianrui, et al.
Veröffentlicht: (2024)

NeuralMeshing: Complete Object Mesh Extraction from Casual Captures
von: Erich, Floris, et al.
Veröffentlicht: (2025)

Personalized Embodied Navigation for Portable Object Finding
von: Dorbala, Vishnu Sashank, et al.
Veröffentlicht: (2024)

Improving Zero-Shot ObjectNav with Generative Communication
von: Dorbala, Vishnu Sashank, et al.
Veröffentlicht: (2024)

STEP: Spatial Temporal Graph Convolutional Networks for Emotion Perception from Gaits
von: Bhattacharya, Uttaran, et al.
Veröffentlicht: (2019)

High-Precision Transformer-Based Visual Servoing for Humanoid Robots in Aligning Tiny Objects
von: Xue, Jialong, et al.
Veröffentlicht: (2025)

General Flow as Foundation Affordance for Scalable Robot Learning
von: Yuan, Chengbo, et al.
Veröffentlicht: (2024)

Any-point Trajectory Modeling for Policy Learning
von: Wen, Chuan, et al.
Veröffentlicht: (2023)

DVMNet++: Rethinking Relative Pose Estimation for Unseen Objects
von: Zhao, Chen, et al.
Veröffentlicht: (2024)

SpatialActor: Exploring Disentangled Spatial Representations for Robust Robotic Manipulation
von: Shi, Hao, et al.
Veröffentlicht: (2025)

Tether: Autonomous Functional Play with Correspondence-Driven Trajectory Warping
von: Liang, William, et al.
Veröffentlicht: (2026)

VISO-Grasp: Vision-Language Informed Spatial Object-centric 6-DoF Active View Planning and Grasping in Clutter and Invisibility
von: Shi, Yitian, et al.
Veröffentlicht: (2025)

Cross-Level Sensor Fusion with Object Lists via Transformer for 3D Object Detection
von: Liu, Xiangzhong, et al.
Veröffentlicht: (2025)

WD-DETR: Wavelet Denoising-Enhanced Real-Time Object Detection Transformer for Robot Perception with Event Cameras
von: Cui, Yangjie, et al.
Veröffentlicht: (2025)

SlotVLA: Towards Modeling of Object-Relation Representations in Robotic Manipulation
von: Hanyu, Taisei, et al.
Veröffentlicht: (2025)

Mash, Spread, Slice! Learning to Manipulate Object States via Visual Spatial Progress
von: Mandikal, Priyanka, et al.
Veröffentlicht: (2025)

StreamLTS: Query-based Temporal-Spatial LiDAR Fusion for Cooperative Object Detection
von: Yuan, Yunshuang, et al.
Veröffentlicht: (2024)

ZeroMimic: Distilling Robotic Manipulation Skills from Web Videos
von: Shi, Junyao, et al.
Veröffentlicht: (2025)

ObjectVLA: End-to-End Open-World Object Manipulation Without Demonstration
von: Zhu, Minjie, et al.
Veröffentlicht: (2025)

JODA: Composable Joint Dynamics for Articulated Objects
von: Gao, Tianhong, et al.
Veröffentlicht: (2026)

Aligning Knowledge Graph with Visual Perception for Object-goal Navigation
von: Xu, Nuo, et al.
Veröffentlicht: (2024)

PIRATR: Parametric Object Inference for Robotic Applications with Transformers in 3D Point Clouds
von: Schwingshackl, Michael, et al.
Veröffentlicht: (2026)

Understanding Spatio-Temporal Relations in Human-Object Interaction using Pyramid Graph Convolutional Network
von: Xing, Hao, et al.
Veröffentlicht: (2024)

Fusion-Poly: A Polyhedral Framework Based on Spatial-Temporal Fusion for 3D Multi-Object Tracking
von: Wu, Xian, et al.
Veröffentlicht: (2026)

NARF24: Estimating Articulated Object Structure for Implicit Rendering
von: Lewis, Stanley, et al.
Veröffentlicht: (2024)

SPLATART: Articulated Gaussian Splatting with Estimated Object Structure
von: Lewis, Stanley, et al.
Veröffentlicht: (2025)

Towards Precise 3D Human Pose Estimation with Multi-Perspective Spatial-Temporal Relational Transformers
von: Jiao, Jianbin, et al.
Veröffentlicht: (2024)

DOFS: A Real-world 3D Deformable Object Dataset with Full Spatial Information for Dynamics Model Learning
von: Zhang, Zhen, et al.
Veröffentlicht: (2024)

A Monocular Event-Camera Motion Capture System
von: Bauersfeld, Leonard, et al.
Veröffentlicht: (2025)

GMT: Goal-Conditioned Multimodal Transformer for 6-DOF Object Trajectory Synthesis in 3D Scenes
von: Zeng, Huajian, et al.
Veröffentlicht: (2026)

Glove2Hand: Synthesizing Natural Hand-Object Interaction from Multi-Modal Sensing Gloves
von: Zhang, Xinyu, et al.
Veröffentlicht: (2026)

Object-Scene-Camera Decomposition and Recomposition for Data-Efficient Monocular 3D Object Detection
von: Kuang, Zhaonian, et al.
Veröffentlicht: (2026)

MotionHint: Self-Supervised Monocular Visual Odometry with Motion Constraints
von: Wang, Cong, et al.
Veröffentlicht: (2021)

Object-Centric Instruction Augmentation for Robotic Manipulation
von: Wen, Junjie, et al.
Veröffentlicht: (2024)

JND-Guided Neural Watermarking with Spatial Transformer Decoding for Screen-Capture Robustness
von: Qin, Jiayi, et al.
Veröffentlicht: (2026)

Relative Position Matters: Trajectory Prediction and Planning with Polar Representation
von: Zhang, Bozhou, et al.
Veröffentlicht: (2025)