ScanRefer

深度分析

PVCap：結合 PseudoCap 與 VoxelCapNet 的高效 3D 密集描述框架

3D密集描述是新興視覺語言任務，PVCap利用PseudoCap隨機混合實例產生多樣空間布局，並以教師‑學生框架生成偽標籤，同時採用VoxelCapNet以體素特徵提升說明能力。實驗在ScanRefer與Nr3D上分別達到89.57%與61.61%CIDEr@0.5IoU，顯示其領先表現。