本文介绍了一种基于视觉语言模型的三维场景理解框架，利用无标签数据和零样本学习提升3D实例分割和语义理解性能。研究展示了OpenMask3D和OpenIns3D等方法，能够在开放环境中有效处理复杂对象关系，显著改善3D场景理解效果。

本文介绍了多种基于深度学习的网络模型，如AMFNet、RFNet和MSFNet，旨在提高三维场景理解和语义分割的性能。这些模型在不同数据集上表现出优越的分割精度和实时推理能力，适用于自动驾驶等应用。最新的USNet和S^3M-Net框架通过融合RGB和深度数据，进一步提升了准确性和效率。