来源：投稿 作者：橡皮 编辑：学姐 论文链接：https://arxiv.org/abs/2112.08879[1] 主页链接：https://github.com/nickgkan/butd\_detr[2] 摘要： 在二维和三维场景中，大多数模型的任务都是将指涉语句置地，学会从预先训练好的检测器提供的对象建议库中选择指涉对象。这是限制性的，因为话语可能涉及不同粒度级别的视