本文提出了一种名为Reasoning3D的基于零样本推理的3D分割新任务，旨在搜索和定位物体部件。该方法结合了预训练的二维分割网络和大型语言模型，能够理解复杂命令并进行细粒度分割，适用于机器人、AR/VR和医疗等多个领域。

这篇论文介绍了一种基于零样本推理的 3D 分割新任务，以搜索和定位物体的部件为目标，它超越了先前的类别特定 3D 语义分割、3D 实例分割和开放词汇 3D 分割的限制。我们设计了一个简单的基线方法，Reasoning3D，能够理解和执行复杂的命令，对具有上下文感知和推理答案的 3D 网格进行 (细粒度的) 特定部分分割。该方法利用现成的预训练二维分割网络，由大型语言模型 (LLMs)...