指代表达分割

OpenVoxel：面向开放词表三维场景理解的免训练体素分组与描述生成

OpenVoxel: Training-Free Grouping and Captioning Voxels for Open-Vocabulary 3D Scene Understanding

对做开放词表 3D 场景理解的视觉研究者，这篇论文提供了一条免训练路径：直接在稀疏体素光栅化（SVR）模型的分组结果上，用 MLLM 做文本到文本检索，替代 CLIP/BERT 文本嵌入，可复用于 OVS/RES 等 3D 任务。