论文解读：Segment3D: Learning Fine-Grained Class-Agnostic 3D Segmentation without Manual Labels

方法流程

3D分割不能很好地泛化到未见过的域，并且需要额外的特定于域的注释。2D 模型泛化能力和零样本能力强，启发：将 2D 模型的这些特征融入到 3D 模型中。
首先使用 SAM 自动生成的 2D 掩模来预训练与类别无关的 3D 分割模型，这些掩模被投影到部分 RGB-D 点云。RGB-D和点云存在域差异。为此，在第二阶段，我们利用预训练模型的高置信度掩模预测作为训练信号，以自监督的方式在全 3D 点云上微调模型。

启发式合并规则过程引入了大量噪声。此外，大量的图像推理和繁琐的合并过程，导致速度很慢。Segment3D（右）利用3D 模型直接分割整个 3D 场景。

Stage2 预训练预测中选高Score的参与监督，只对mask做loss，不对是否“object”做loss，如果将正确的mask预测为“无效”物体对训练有害（可理解为标签噪声的影响）