📖 摘要

提出GoDeep，无需标注和3D训练语料，通过语言空间提升实现开放词汇3D场景理解。

🔑 关键词速览

Open-Vocabulary 3D Semantic Segmentation	一种3D语义分割方法，能够识别训练中未见过的物体类别，通常借助预训练的视觉-语言模型。
CLIP features	由CLIP模型提取的图像和文本特征，用于跨模态理解，但在组合任务上可能表现不佳。
Language-Space Lifting	将图像描述提升到纯语言嵌入空间的过程，用于3D场景理解，无需3D训练数据。
Out-of-Vocabulary (OOV) objects	在训练或预定义词汇表中未出现的物体，模型需要能够识别和定位它们。
Explainability	模型预测结果能够以人类可理解的方式解释，这里指通过离散文本实现点级别的可解释性。