这篇关于视觉定位综述的论文，系统回顾了过去十年该领域的发展，尤其关注近五年的突破性进展。文章涵盖了各种视觉定位方法，包括基于检测器、vlp和mllm的方法，以及全监督、无监督、弱监督、半监督、零样本和广义定位等多种设置。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
该论文（arXiv链接 代码/仓库链接）长达27页，包含354篇参考文献，堪称视觉定位领域最详尽的综述。它不仅适合初学者入门，也为资深研究人员跟踪最新进展提供了宝贵资源。
论文首先回顾了视觉定位（也称为指代表达理解或短语定位）的基本概念、评估指标和发展历史。 它详细阐述了数据、算法和算力这三大要素对视觉定位的影响，并对不同时期（2014年前、2014-2020年、2021年至今）的算法发展进行了梳理。
论文的核心部分对各种视觉定位设置进行了系统性比较，并对这些设置进行了精确定义，以确保研究的公平性。 它深入探讨了全监督、弱监督、半监督、无监督、零样本和广义视觉定位等多种设置下的方法，并对RefCOCO/+/g数据集进行了深入分析，提供了性能预测，为未来基准测试提供了参考。
论文还讨论了其他高级主题，例如NLP技术、场景图和图神经网络在视觉定位中的应用，以及模块化定位技术。 此外，它还介绍了视觉定位的各种应用，包括目标检测、计数、遥感、医疗、3D视觉、视频和机器人应用。
总而言之，这篇综述为视觉定位领域的研究者提供了全面的资源和有价值的见解，并指明了未来研究的方向。 其对不同设置的清晰定义和对现有工作的系统性总结，对于推动该领域的发展具有重要意义。
