Tag · 2 篇
提示式分割
01 02
PromptDepth：面向具身智能的高效可提示几何三维视觉模型
PromptDepth: Efficient and Promptable Geometric 3D Vision Model for Embodied Intelligence
PromptDepth 将深度估计与实例级分割统一到一个前馈网络中，通过提示（prompt）灵活切换全景/实例/跟踪深度图输出，为具身智能提供实时 3D 感知与交互能力；其 ILDS 损失和 Gram Anchoring 技术可缓解密集与离散表示冲突，可复用于其他多任务密集预测模型。
CoSMo3D：通过 LLM 引导的规范空间建模实现开放世界提示式 3D 语义分割
CoSMo3D: Open-World Promptable 3D Semantic Segmentation through LLM-Guided Canonical Spatial Modeling
把 3D 语义分割从输入传感器位姿空间搬到数据驱动的规范参考系中，用 LLM 引导构建跨类别规范数据集、再用规范图锚定与规范框校准的双分支把位姿与对称性坍缩成稳定嵌入——这套「先规范再分割」的思路可直接迁移到任意位姿敏感的点云/网格部件分割与开放词表 3D 任务。