本研究提出了一种结合视觉语言推理与无监督领域适应的方法，旨在解决现有分割模型在训练时的类别限制问题。通过多尺度上下文数据和增强文本嵌入，构建的UDA-FROVSS框架能够在无需共享类别的情况下有效适应不同领域，从而提高细粒度分割能力。

本文提出了一种基于点云、体素和全景图形的融合网络（RPVNet），用于细粒度分割定位任务。该方法通过门控融合模块实现信息交互，并在SemanticKITTI和nuScenes数据集上表现优异，SemanticKITTI排行榜上排名第一。