Légendage dense 3D

La 3D Dense Captioning est une tâche émergente de vision et de langage qui implique une compréhension de scène 3D au niveau des objets. Au-delà de la prédiction de catégories sémantiques grossières et de la régression de boîtes englobantes trouvées dans la détection d'objets 3D traditionnelle, la 3D dense captioning vise à générer des descriptions en langage naturel plus détaillées et au niveau des instances pour chaque objet d'intérêt dans une scène. Ces descriptions couvrent leur apparence visuelle et leurs relations spatiales, ce qui améliore la précision et la richesse de l'interprétation de la scène.