arXiv cs.AI· Yijie Su, Yakun Zhu, Yi Bin, Pengpeng Zeng, Liang Chen, Guoqing Wang, Jingkuan Song, Heng Tao Shen·· 2 天前AI 评分18
BridgeAfford：弥合查询-目标差距的通用 3D 可供性定位框架
BridgeAfford: Bridging Query-Target Gap for Generalizable 3D Affordance Grounding
AI 导读
BridgeAfford 通过交互区域对齐（IRA）和视觉证据聚合（VEA）两个机制弥合查询与目标区域间的语义差距，提升 3D 可供性定位对未见物体的泛化能力。在 LASO 和 PIAD 数据集上，该方法优于现有方案，尤其在未见物体上表现突出。
正文 · AI 翻译
摘要：语言引导的 3D 可供性定位旨在根据交互意图定位 3D 物体上的功能区域。然而，现有方法对未见物体的泛化能力较差。其中一个挑战是查询-目标差距：编码交互意图的查询特征与目标区域特征之间的语义差异，导致定位不准确。端到端训练倾向于生成针对已见物体定制的查询表示，限制了其与未见物体上发生偏移的目标区域特征的兼容性。为解决这一问题，我们提出了 BridgeAfford，一个从两个互补视角缩小查询-目标语义差距的框架。首先，交互区域对齐（IRA）在训练过程中促进几何相似的交互区域之间的跨物体对齐。这使得未见物体上与先前观察到的结构相似的结构能够产生与训练期间学到的表示相似的表示，从而促进目标区域识别。其次，视觉证据聚合（VEA）利用 2D 可供性模型来细化注意力分布并引导查询指向正确区域，从而产生更具目标感知的查询。在 LASO 和 PIAD 数据集上的大量实验表明，BridgeAfford 优于现有方法，尤其是在未见物体上，凸显了其强大的泛化能力。
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.21918 [cs.CV] |
| （或 arXiv:2610.21918v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.21918 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Yijie Su [查看电子邮件]
[v1]
2026年10月15日星期四 14:03:16 UTC（4,506 KB）
来源：arXiv cs.AI · arxiv.org