基于文本的3D视觉定位综述：要素、最新进展与未来方向

文章预览

基于文本的3D视觉定位（T-3DVG）旨在从复杂的3D场景中定位与语言查询语义对应的特定对象，近年来在3D研究社区中引起了越来越多的关注。与2D视觉定位相比，这项任务由于其更贴近现实世界以及数据收集和3D点云处理的复杂性，展现了巨大的潜力和挑战。在本综述中，我们尝试提供一个关于T-3DVG进展的全面概述，包括其基本要素、最新研究进展和未来研究方向。据我们所知，这是首个关于T-3DVG任务的系统综述。具体来说，我们首先以教程风格提供T-3DVG流程的一般结构及其详细组成部分，呈现一个完整的背景概述。然后，我们将现有的T-3DVG方法总结为不同类别，并分析其优缺点。我们还介绍了评估其性能的基准数据集和评价指标。最后，我们讨论了现有T-3DVG方法的潜在局限性，并分享了一些有前景的研究方向见解。最新的论文不断收集于https://github. ………………………………