图像理解和计算机视觉 | 浏览量 : 0 下载量: 193 CSCD: 0

  • 导出

  • 分享

  • 收藏

  • 专辑

    • 大模型驱动的多模态点云语义分割测试时自适应方法

    • Large-model driven test-time adaptation for multi-modal point cloud semantic segmentation

    • “在点云语义分割领域，研究者提出了一种结合视觉大模型知识的测试时自适应方法，通过融合视觉—文本信息和局部特征一致性约束，显著提升了点云语义分割在多种场景中的泛化性能。”
    • 2025年30卷第11期 页码：3651-3664   

      收稿：2024-12-27，

      修回：2025-04-12，

      录用：2025-04-15，

      纸质出版：2025-11-16

    • DOI： 10.11834/jig.240762     

    移动端阅览

  • 刘雪帆， 刘砚， 李浩然， 张晔， 郭裕兰. 2025. 大模型驱动的多模态点云语义分割测试时自适应方法. 中国图象图形学报， 30（11）：3651-3664 DOI： 10.11834/jig.240762.
    Liu X F， Liu Y， Li H R， Zhang Y and Guo Y L. 2025. Large-model driven test-time adaptation for multi-modal point cloud semantic segmentation. Journal of Image and Graphics， 30（11）：3651-3664 DOI： 10.11834/jig.240762.
  •  
  •  
文章被引用时，请邮件提醒。
提交

相关文章

相关作者

郝雯 西安理工大学计算机科学与工程学院;陕西省网络计算与安全技术重点实验室
左占彬 西安理工大学计算机科学与工程学院
卢翰森 西安理工大学计算机科学与工程学院
梁玮 西安理工大学计算机科学与工程学院;陕西省网络计算与安全技术重点实验室
金海燕 西安理工大学计算机科学与工程学院;陕西省网络计算与安全技术重点实验室
石争浩 西安理工大学计算机科学与工程学院;陕西省网络计算与安全技术重点实验室
朱仲杰 浙江万里学院宁波市DSP重点实验室;中国海洋大学信息科学与工程学院
张荣 浙江万里学院宁波市DSP重点实验室

相关机构

西安理工大学计算机科学与工程学院
陕西省网络计算与安全技术重点实验室
浙江万里学院宁波市DSP重点实验室
中国海洋大学信息科学与工程学院
上海理工大学出版印刷与艺术设计学院
0