PERCEPTION开放获取📊 0 引用
LocateAnything：基于并行框解码的快速高质量视觉语言定位
Shihao Wang, Shilong Liu, Yuanguo Kuang, Xinyu Wei, Yangzhou Liu, Zhiqi Li, Yunze Man, Guo Chen, Andrew Tao, Guilin Liu, Jan Kautz, Lei Zhang, Zhiding Yu
2026
摘要
本文提出LocateAnything框架，通过并行框解码（PBD）将边界框等几何元素作为原子单元一步解码，保持了几何一致性并实现了并行化，显著提升了解码吞吐量和定位精度。同时构建了包含1.38亿训练样本的大规模数据集，在多个基准上实现了速度与精度的前沿性能。
关键词
parallel box decodingvision-language groundingvisual detectiongenerative frameworklarge-scale dataset
相关论文
PERCEPTION
📊 0 引用
基于点云配准的非破坏性高分辨率涂层厚度三维扫描测量
Simon Duenser, Ivo Aschwanden, Raamadaas Krishnadas 等 5 位作者
Robotics and Computer-Integrated Manufacturing · 2026
PERCEPTION
📊 0 引用
基于原型模糊推理与证据融合的不确定性引导工业机器人可进化识别框架
Yanrun Zhou, Zihao Lei, Guangrui Wen 等 7 位作者
Robotics and Computer-Integrated Manufacturing · 2026
PERCEPTION
📊 0 引用
迈向智能机器人时代：用于高级感知系统的多模态柔性触觉传感器
Sili Ding, Feng Xu, Jie Chen 等 6 位作者
Progress in Materials Science · 2026
PERCEPTION
📊 0 引用
基于交叉注意力的类别级6D姿态估计先验变形
Shuai Guo, Yongchao Yang, Lifeng Zhang 等 5 位作者
Neural Networks · 2026