查询时校准CLIP特征可免重训练提升3D开放词汇分割
资讯摘要
论文针对将CLIP等视觉语言特征提升到3D高斯重建后做开放词汇分割的问题，指出单场景提升特征存在方向集中，原始余弦相似度未考虑场景特定分布。作者提出在查询时对视觉特征和文本原型部分减去共享场景方向，并用固定通用词表白化文本原型，再结合软聚类与CSLS及相关性余量做多类和单查询预测。作者报告在七种提升方法和四个数据集上，该方法无需重训练或重新编码即一致提升mIoU。
要点速读
- 论文指出提升后的CLIP特征存在方向集中，原始余弦相似度未考虑场景特征分布
- 方法在查询时减去共享场景方向并白化文本原型，配合软聚类和CSLS做预测
- 作者报告在七种提升方法、四个数据集上多类与单查询分割mIoU均提升，且无需重训练或重新提升特征
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/24 08:00:37（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。