Runsen Xu

収録論文 4本 ・ フィジカルAI/ロボット学習

※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。

論文

• VLM-Grounder: ゼロショット3D視覚グラウンディングのためのVLMエージェント
  3D視覚グラウンディング2024/10/1

  2D画像のみを用いた視覚言語モデルにより、3D点群や物体事前情報なしで自然言語指示に基づく3D物体の位置推定をゼロショットで実現したフレームワーク。

• MMScan: 階層的接地言語アノテーション付きマルチモーダル3Dシーンデータセット
  3Dシーン理解2024/6/1

  領域から物体レベルまでの階層的な言語アノテーションを備えた大規模マルチモーダル3Dシーンデータセットを構築し、3D視覚接地と質問応答のベンチマークを提供した。

• EmbodiedScan: 身体性AIに向けた統合マルチモーダル3D知覚スイート
  3D知覚2023/12/1

  一人称視点のRGB-Dと言語指示を含む大規模3D知覚データセットとベンチマークを構築し、任意数のマルチモーダル入力に対応する基盤モデルを提案した。

• CO^3: 自動運転のための協調的教師なし3D表現学習
  3D表現学習2022/6/1

  車載とインフラ側のLiDAR点群を協調させた教師なし対比学習と形状文脈予測により、屋外3D表現を学習し、検出タスクへの転移性能を向上させた。