arXiv Computer Vision· Micha{\l} Zakrzewski, Mariia Shpir, Taras Rumezhak·· 20 小时前AI 评分22
3D 场景 VLM 的 token 预算候选检索：类别名匹配优于成对几何评分
Token-Budgeted Candidate Retrieval for 3D Scene-Grounded VLMs: Category Names vs. Pairwise Geometry
AI 导读
在 ScanNet 室内指代基准上，固定上下文预算下将查询匹配到物体类别名，在各项 K 值上均优于成对几何评分，高召回时差距最大。在 ScanRefer gt_val 及 Nr3D、Sr3D 的 20% scan-id 划分（35,504 条查询）上，名词匹配 R@10 达 0.864，QCRR 为 0.626，MiniLM 与 BGE-small 达 0.911-0.913。
来源：arXiv Computer Vision · arxiv.org