跳到正文
热点事件持续更新

PARC-Loc提升文本到点云定位召回率

1 篇报道1 个报道来源2 小时前更新

先了解这件事

AI 综述

Shengkai Ma、Zhenyu Hou、Weihua Cao 等发布 PARC-Loc 文本到点云定位框架,在 KITTI360Pose 上将 5 米内 Top-1 定位召回率从 0.50 提升至 0.67,相对最强基线提升 34%,并在 CityLoc 上同样优于传统由粗到细基线。 该框架采用由粗到细结构,核心是用部分分配与关系一致性(PARC)联合建模提示物体兼容性和成对空间关系:粗阶段在神经相似度之外补充关系约束,选出布局一致的子图;细阶段用相邻子图扩展上下文完成定位。 上述结果出自论文自报,尚未见独立复现或第三方验证。

AI 根据报道生成 · 1 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

10月8日
  1. arXiv:cs.CL
    PARC-Loc:用部分分配与关系一致性实现文本到点云定位

    研究提出 PARC-Loc 文本到点云定位框架,通过部分分配与关系一致性(PARC)联合建模提示物体兼容性与成对空间关系,在粗阶段补充神经相似度做布局一致的子图选择,细阶段用相邻子图扩展上下文。在 KITTI360Pose 上,5 米内 Top-1 定位召回率从 0.50 提升至 0.67,相对最强基线提升 34%,并在 CityLoc 上同样优于传统由粗到细基线。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。