Urbex：城市级3D场景的智能体空间定位框架

Yu Wang 等作者提出 Urbex，一个面向城市级 3D 场景的智能体视觉语言框架，把空间定位从候选排序改为主动空间搜索：VLM 智能体查询地标、缩放局部区域、渲染斜视图并输出定位框。 据该研究，Urbex 在 CityRefer 上取得最佳 Hit@1 和 IoU，无需预计算候选实例和真值框，速度显著快于最强的城市级排序基线，并在 STPLS3D-Refer 上展现出更好的零样本跨场景鲁棒性。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。