本文介绍了多种创新的3D模型学习方法，如Bridge3D、OpenMask3D和Mx2M。这些方法利用预训练模型和跨模态知识，提升了3D实例分割和语义分割的性能，尤其在开放词汇任务中表现优异，展示了无需监督的有效性和快速部署的潜力。

该论文提出了CLIP Surgery方法，提升了CLIP模型的解释性和性能，且在多个任务中获得了显着提高，如在NUS-Wide多标签识别上得到了4.41%的平均精度提升，在Cityscapes开放词汇语义分割任务上的mIoU也超过了现有方法的8.74%。

该论文提出了CLIP Surgery方法，提升了CLIP模型的解释性和性能，且在多个任务中获得了显着提高，如NUS-Wide多标签识别和Cityscapes开放词汇语义分割任务。

CLIP（Contrastive Language-Image Pre-training）是一种多模态视觉模型，通过CLIP Surgery方法提升了解释性和性能。在开放词汇任务中，获得了显着提高，如NUS-Wide多标签识别上的4.41%平均精度提升，Cityscapes开放词汇语义分割任务上的mIoU超过了现有方法的8.74%。