基于概率驱动的开放世界三维点云语义分割框架
原文中文，约400字，阅读约需1分钟。发表于：。提出了一种概率驱动框架（PDF）用于开放世界语义分割，在点云语义分割网络中引入轻量级的 U-decoder 分支来识别未知类别，并通过生成伪标签提供未知类别的几何特征和概率分布特征，再通过增量式知识蒸馏策略逐渐将新类别纳入现有知识库，使模型能够像人一样识别未知对象并逐步学习相关知识，实验结果表明，该 PDF 方法在开放世界语义分割的重要任务中大幅优于其他方法。
该文章介绍了一种在开放世界环境中进行3D室内实例分割的方法，通过改进伪标签的质量提高了推理过程中的准确性，有效地区分已知类别并标注未知对象。实验证明该方法为开放世界3D实例分割性能带来了希望。
