不过话说回来，不需要⼈⼯标注，只进行⼀次训练，同义词抽象分类也能识别……这可是重重buff叠加。
要知道一般方法使用的3D数据和⾃然语⾔并不能够直接从⽹上免费获取，往往需要昂贵的⼈⼯标注，而且一般方法也⽆法根据单词之间的语义联系识别新类别。
那PLA又是如何做到的呢？一起来看～
具体原理其实说白了，要成功实现3D模型划分，最重要的一步就是让3D数据也能理解⾃然语⾔。
专业点来说，就是要给3D点云引⼊⾃然语⾔的描述。
那怎么引入？
鉴于目前2D图像的划分已经有比较成功的方法，研究团队决定从2D图像入手。
首先，把3D点云转换为对应的2D图像，然后作为2D多模态⼤模型的输⼊，并从中提取对于图像的语⾔描述。
紧接着，利⽤图⽚和点云之间的投影关系，图⽚的语言描述也就自然能够关联到3D点云数据了。
并且，为了兼容不同粒度的3D物体，PLA还提出了多粒度的3D点云-⾃然语⾔关联方法。
对于整个3D场景⽽⾔，PLA将场景对应所有图⽚提取的语⾔描述进⾏总结，并⽤这个总结后的语⾔关联整个3D场景。
对于每个图像视⻆对应的部分3D场景⽽⾔，PLA直接利⽤图像作为桥梁来关联对应的3D点云和语⾔。
对于更加细粒度的3D物体⽽⾔，PLA通过⽐较不同图像对应点云之间的交集和并集，以及语⾔描述部分的交集和并集，提供了⼀种更加细粒度的3D-语⾔关联⽅式。
这样一来，研究团队就能够得到成对的3D点云-⾃然语⾔，这一把直接解决了人工标注的问题。
PLA用得到的“3D点云-⾃然语⾔”对和已有的数据集监督来让3D模型理解检测和分割问题定义。
具体来说，就是利⽤对⽐学习来拉近每对3D点云-⾃然语⾔在特征空间的距离，并推远不匹配的3D点云和⾃然语⾔描述。
讲了这么多原理，那PLA在具体分割任务中表现到底如何？
语义分割任务超越基准65%研究⼈员通过测试3D开放世界模型在未标注类别的性能作为主要衡量标准。
先是在ScanNet和S3DIS的语义分割任务上，PLA超过以前的基线⽅法35%～65%。
在实例分割任务中，PLA也有提升，对比之前的方法，PLA提升幅度15%～50%不等。
