已收录文章摘要，完整内容可前往原文阅读。
作者简介：本文第一作者为香港理工大学VC Lab博士生刘旭洋，通讯作者为IEEE Fellow、香港理工大学讲席教授、OPPO研究院AI科学家张磊教授。实验室VC Lab长期关注计算机视觉、多模态、图