3D场景理解在具身智能、VR/AR等领域至关重要，帮助设备准确感知和解读三维世界。 人形机器人、VR/AR，以及自动驾驶汽车，都依赖于对3D场景的精确理解。 然而，这种精准的3D理解往往需要大量详细标注的3D数据，极大推高了时间成本和资源消耗。 Few-shot学习是一种有效的解决思路，但当前研究都局限于单模态点云数据，忽略了多模态信息的潜在价值。 对此，这项新研究填补了这一空白，文章已被ICLR 2025接收为Spotlight论文。 整合多模态信息，理解3D场景 只要极少量的标注样本，就能让模型精准分割3D场景？ 来自哥本哈根大学、苏黎世联邦理工学院等机构的研究人员，提出了一个全新的多模态Few-shot 3D分割设定和创新方法。 无需额外标注成本 ，该方法就可以融合文本、2D和3D信息，让模型迅速掌握新类别。 △ 3D Few-shot分割结果示例 小q 投稿 量子位 | 公众号 QbitAI 然而，传统全监督模型虽在特定类别上表现出色，但其能力局限于预定义类别。 每当需要识别新类别时，必须重新收集并标注大量3D数据以及重新训练模型，这一过程既耗时又昂贵，极大地制约了模型的应用广度。 3D Few-sh ...