视觉引导

该项目提出3D意图定位（3D-IG），旨在根据用户的意图在3D场景中检测目标物体，而非仅依赖明确的物体描述。通过引入动宾对齐、候选框匹配和级联自适应学习等技术，该方法显著提升了性能。