Buchumschlag

Data-Efficient 3D Visual Grounding via Order-Aware Referring

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Wu, Tung-Yu, Huang, Sheng-Yu, Wang, Yu-Chiang Frank
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Toward Scene Graph and Layout Guided Complex 3D Scene Generation
von: Huang, Yu-Hsiang, et al.
Veröffentlicht: (2024)

TPA3D: Triplane Attention for Fast Text-to-3D Generation
von: Wu, Bin-Shih, et al.
Veröffentlicht: (2023)

OpenVoxel: Training-Free Grouping and Captioning Voxels for Open-Vocabulary 3D Scene Understanding
von: Huang, Sheng-Yu, et al.
Veröffentlicht: (2026)

3D Gaussian Inpainting with Depth-Guided Cross-View Consistency
von: Huang, Sheng-Yu, et al.
Veröffentlicht: (2025)

GroPrompt: Efficient Grounded Prompting and Adaptation for Referring Video Object Segmentation
von: Lin, Ci-Siang, et al.
Veröffentlicht: (2024)

LEAML: Label-Efficient Adaptation to Out-of-Distribution Visual Tasks for Multimodal Large Language Models
von: Lin, Ci-Siang, et al.
Veröffentlicht: (2025)

Dr. Splat: Directly Referring 3D Gaussian Splatting via Direct Language Embedding Registration
von: Jun-Seong, Kim, et al.
Veröffentlicht: (2025)

Multimodal Reference Visual Grounding
von: Lu, Yangxiao, et al.
Veröffentlicht: (2025)

ReferDINO: Referring Video Object Segmentation with Visual Grounding Foundations
von: Liang, Tianming, et al.
Veröffentlicht: (2025)

An Efficient and Effective Transformer Decoder-Based Framework for Multi-Task Visual Grounding
von: Chen, Wei, et al.
Veröffentlicht: (2024)

AugRefer: Advancing 3D Visual Grounding via Cross-Modal Augmentation and Spatial Relation-based Referring
von: Wang, Xinyi, et al.
Veröffentlicht: (2025)

R2SM: Referring and Reasoning for Selective Masks
von: Shih, Yu-Lin, et al.
Veröffentlicht: (2025)

Reference-Based 3D-Aware Image Editing with Triplanes
von: Bilecen, Bahri Batuhan, et al.
Veröffentlicht: (2024)

GSNeRF: Generalizable Semantic Neural Radiance Fields with Enhanced 3D Scene Understanding
von: Chou, Zi-Ting, et al.
Veröffentlicht: (2024)

Grounded 3D-LLM with Referent Tokens
von: Chen, Yilun, et al.
Veröffentlicht: (2024)

MoniRefer: A Real-world Large-scale Multi-modal Dataset based on Roadside Infrastructure for 3D Visual Grounding
von: Yang, Panquan, et al.
Veröffentlicht: (2025)

MVGGT: Multimodal Visual Geometry Grounded Transformer for Multiview 3D Referring Expression Segmentation
von: Wu, Changli, et al.
Veröffentlicht: (2026)

RobustVisRAG: Causality-Aware Vision-Based Retrieval-Augmented Generation under Visual Degradations
von: Chen, I-Hsiang, et al.
Veröffentlicht: (2026)

QuarterMap: Efficient Post-Training Token Pruning for Visual State Space Models
von: Chi, Tien-Yu, et al.
Veröffentlicht: (2025)

Towards Affordance-Aware Articulation Synthesis for Rigged Objects
von: Yu, Yu-Chu, et al.
Veröffentlicht: (2025)

Move to Understand a 3D Scene: Bridging Visual Grounding and Exploration for Efficient and Versatile Embodied Navigation
von: Zhu, Ziyu, et al.
Veröffentlicht: (2025)

CoT3DRef: Chain-of-Thoughts Data-Efficient 3D Visual Grounding
von: Abdelrahman, Eslam, et al.
Veröffentlicht: (2023)

N3D-VLM: Native 3D Grounding Enables Accurate Spatial Reasoning in Vision-Language Models
von: Wang, Yuxin, et al.
Veröffentlicht: (2025)

ChangingGrounding: 3D Visual Grounding in Changing Scenes
von: Hu, Miao, et al.
Veröffentlicht: (2025)

Rex-Thinker: Grounded Object Referring via Chain-of-Thought Reasoning
von: Jiang, Qing, et al.
Veröffentlicht: (2025)

A Comprehensive Survey of 3D Dense Captioning: Localizing and Describing Objects in 3D Scenes
von: Yu, Ting, et al.
Veröffentlicht: (2024)

LidaRefer: Context-aware Outdoor 3D Visual Grounding for Autonomous Driving
von: Baek, Yeong-Seung, et al.
Veröffentlicht: (2024)

TrackTeller: Temporal Multimodal 3D Grounding for Behavior-Dependent Object References
von: Yu, Jiahong, et al.
Veröffentlicht: (2025)

A Reference-Based 3D Semantic-Aware Framework for Accurate Local Facial Attribute Editing
von: Huang, Yu-Kai, et al.
Veröffentlicht: (2024)

Mosaic3D: Foundation Dataset and Model for Open-Vocabulary 3D Segmentation
von: Lee, Junha, et al.
Veröffentlicht: (2025)

SuperNeRF-GAN: A Universal 3D-Consistent Super-Resolution Framework for Efficient and Enhanced 3D-Aware Image Synthesis
von: Zheng, Peng, et al.
Veröffentlicht: (2025)

Temporal Prompting Matters: Rethinking Referring Video Object Segmentation
von: Lin, Ci-Siang, et al.
Veröffentlicht: (2025)

MiKASA: Multi-Key-Anchor & Scene-Aware Transformer for 3D Visual Grounding
von: Chang, Chun-Peng, et al.
Veröffentlicht: (2024)

I Speak and You Find: Robust 3D Visual Grounding with Noisy and Ambiguous Speech Inputs
von: Qi, Yu, et al.
Veröffentlicht: (2025)

Multiple Consistent 2D-3D Mappings for Robust Zero-Shot 3D Visual Grounding
von: Yin, Yufei, et al.
Veröffentlicht: (2026)

SpatialSplat: Efficient Semantic 3D from Sparse Unposed Images
von: Sheng, Yu, et al.
Veröffentlicht: (2025)

ViewSRD: 3D Visual Grounding via Structured Multi-View Decomposition
von: Huang, Ronggang, et al.
Veröffentlicht: (2025)

Disc3D: Automatic Curation of High-Quality 3D Dialog Data via Discriminative Object Referring
von: Wei, Siyuan, et al.
Veröffentlicht: (2025)

Chain-of-Ground: Improving GUI Grounding via Iterative Reasoning and Reference Feedback
von: Li, Aiden Yiliu, et al.
Veröffentlicht: (2025)

BadVim: Unveiling Backdoor Threats in Visual State Space Model
von: Lee, Cheng-Yi, et al.
Veröffentlicht: (2024)