英文：Referring Expression Comprehension 分类：multimodal
从图像中找出指代表达所描述的目标对象（REC）。比一般视觉定位更强调对描述语义（属性、关系、代词）的精细理解。
技术：视觉-语言跨模态匹配、检测器+排序（候选框打分）、多模态大模型端到端输出；挑战：属性歧义（"红色的球"多选）、空间关系（"左边"）、常识推理；基准：RefCOCO/RefCOCO+/RefCOCOg。
用于人机交互指认（"那个蓝色的杯子"）、自动驾驶目标指令、图像编辑与增强现实交互；REC 是"指哪打哪"的对话式视觉能力。