연구팀은 3D 시각적 객체 지시(3DVG) 성능 향상을 위해 PruneGround 프레임워크를 제안했어요. PruneGround는 언어 기반 공간적 가지치기(LGSP)를 통해 불필요한 공간 계산을 줄이고, 다중 뷰 조건부 설명 재구성(MCDR)으로 공간적 단서를 보완해요. 또한, LLM-Grounder를 활용하여 가지치기된 영역 내에서 포인트 클라우드와 언어 표현을 정렬해요.
ScanRefer 벤치마크에서 최고 성능을 달성했으며, Nr3D/Sr3D 설정의 9개 항목에서도 최고 기록을 세웠어요. 연구팀은 GitHub에서 코드와 모델을 공개했어요.
PruneGround는 기존 방식의 모호한 예측과 높은 계산 비용 문제를 해결하고, 3D 시각적 객체 지시의 정확도와 효율성을 높이는 데 기여할 것으로 기대돼요.