本研究提出GLS框架，结合几何信息与实例特征，解决室内表面重建与开放词汇分割的关系，性能优于现有技术。

本研究提出了一种新方法FrozenSeg，结合了定位基础模型和视觉语言模型的空间和语义知识，显著提高了开放词汇分割的性能。其他研究还包括OpenSeg模型、适应掩码的CLIP、Fusioner方法、IFSeg方法、预训练的图像-语言模型、开放式词汇学习综述、共享的冻结卷积CLIP、CLIP作为RNN、S-Seg模型、MROVSeg多分辨率训练框架。这些方法在开放词汇语义分割任务中取得了良好的效果。

本文提出了一种简单的方法来改善自监督3D网络在解决复杂的2D任务时的表现，证明了在高容量的3D网络中进行转移对于获得高质量的3D特征至关重要。研究还发现这种转移表示可以用于开放词汇的分割和背景/前景发现。

本文讨论了开放词汇分割评估指标的问题，并提出了新的Open mIoU、Open AP和Open PQ指标。通过基准测试，证明这些指标能够很好地评估开放词汇分割方法的能力。希望这项工作能够为评估模型开放能力提供新思考。

自监督图像网络在解决2D任务时高效，但自监督3D网络表现不佳。本文提出了一种改善3D转移的简单方法，并证明了在高容量的3D网络中进行转移对于获得高质量的3D特征至关重要。研究者还发现这种转移表示可用于开放词汇的分割和背景/前景发现。

该文提出了针对开放词汇分割任务的三个新型评估指标，即 Open mIoU、Open AP 和 Open PQ，并在 12 种开放词汇方法上进行了基准测试，旨在为社区带来关于如何评估模型的开放能力的新思考。