视觉定位任务入门必读，十年发展系统性综述回顾

文章预览

27页综述，354 篇参考文献。内容覆盖过去十年的视觉定位发展总结，尤其对最近5年的视觉定位论文系统性回顾，内容既涵盖传统基于检测器的视觉定位，基于VLP的视觉定位，基于MLLM的视觉定位，也涵盖从全监督、无监督、弱监督、半监督、零样本、广义定位等新型设置下的视觉定位。 视觉定位任务新入门必 读！ 跟进最新进展，视觉定位审稿人必读论文！ 论文题目：  Towards Visual Grounding: A Survey  论文链接： https://arxiv.org/pdf/2412.20206 代码链接： https://github.com/linhuixiao/Awesome-Visual-Grounding 一、摘要 视觉定位（Visual Grounding）也被称为指代表达文本理解（Referring Expression Comprehension）和短语定位（Phrase Grounding）。它涉及根据给定的文本描述在图像中定位自然数量的特定区域。该任务的目标是模拟社会对话中普遍存在的指代关系，使机器具有类似人类的 ………………………………