CVPR 2025 满分论文！清华提出TSP3D：基于语言引导空间剪枝的高效3D视觉Groundin...

主要观点总结

本文提出了一种全新的单阶段3DVG框架——TSP3D，即“Text-guided Sparse voxel Pruning for 3DVG”。该框架旨在解决现有方法在推理速度上的限制，通过引入多层稀疏卷积架构来实现高精度和高速推理。文章介绍了TSP3D的设计原理、架构分析、文本引导的体素剪枝（TGP）和基于补全的场景特征融合（CBA）等关键内容，并在主流数据集上进行了实验验证。

关键观点总结

关键观点1: 全新的单阶段3DVG框架TSP3D被提出，结合了高精度和高速推理。

TSP3D通过引入多层稀疏卷积架构，解决了现有方法的点云处理架构存在的特征提取耗时和空间分辨率限制问题。

关键观点2: TSP3D在融合多模态信息方面进行了创新设计。

通过场景级和目标级的文本引导的体素剪枝（TGP），TSP3D逐步引导网络关注最终目标，提高了计算效率和推理速度。

关键观点3: TSP3D通过实验验证表现出优异性能。

在主流数据集ScanRefer和ReferIt3D上的实验结果证明了TSP3D的有效性。此外，消融实验和可视化结果进一步验证了文本引导的体素剪枝（TGP）和基于补全的场景特征融合（CBA）的有效性。