#3DVG

做自动驾驶或3D视觉语言方向的研究者可以看看这个新基准：85万多条不是，是14万多条带运动描述的语言标注，配合SLIDE模块能利用时间信息定位运动物体，比只处理静态室内场景的老数据集更贴近真实驾驶场景。