阿里发布Urbex实现城市级3D场景高效定位

发生了什么

据Hugging Face Papers报道，阿里巴巴发布了Urbex，一种用于城市规模3D场景定位的代理视觉语言框架。该方法将定位视为主动空间搜索，允许VLM代理查询地标、缩放局部区域并渲染倾斜视图以提交边界框。实验显示Urbex在City Refer数据集上实现了最佳的Hit@1和IoU指标，且速度显著快于最强的基线方法，代码、模型和数据已公开。