链式思维

LocateAnything3D：基于视线链的视觉语言 3D 检测

LocateAnything3D: Vision-Language 3D Detection with Chain-of-Sight

将 3D 检测转化为 VLM 的下一词元预测问题，通过显式的 Chain-of-Sight 序列（先 2D 检测再 3D 框）实现开放词表多目标 3D 检测，为视觉研究提供了一种无需专用检测头的统一 VLM 接口。