Urbex：城市级3D场景智能体空间定位框架

论文作者提出 Urbex，一个面向城市级 3D 场景的智能体视觉语言框架，将空间定位从候选排序改为主动空间搜索：由 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。 作者称，Urbex 在 CityRefer 上取得最佳 Hit@1 和 IoU，无需真值框即可完成无候选定位，且比最强的城市级排序基线快得多；在 STPLS3D-Refer 上的零样本结果还显示跨场景鲁棒性提升。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。