CLIP-引导优化

复制-变换-粘贴：视觉语言与几何约束引导的零样本物体-物体对齐

Copy-Transform-Paste: Zero-Shot Object-Object Alignment Guided by Vision-Language and Geometric Constraints

提出一种无需训练的测试时优化框架，利用 CLIP 梯度与可微渲染直接优化两个网格的相对位姿，并引入软 ICP 与穿透损失等几何约束，可复用于语言引导的三维场景组装与物体摆放任务。