利用视觉语言模型通过图得分传播实现训练-free 3D 点云 OOD 检测
计算机视觉与模式识别
2025-06-30 v1
摘要
3D 点云数据的 out-of-distribution (OOD) 检测仍是一个挑战，尤其是在需要安全和稳健感知的应用中。虽然现有的 OOD 检测方法已为 2D 图像数据取得了进展，但将其扩展到 3D 环境涉及独特的障碍。本文引入了一个 training-free (无需训练) 的框架，利用视觉语言模型 (VLM) 实现对 3D 点云的有效 OOD 检测。通过构建基于 class prototypes (类原型) 和测试数据的图 (graph)，我们利用数据流形结构来增强 VLM 针对 3D OOD 检测的效果。我们提出了一种新的 Graph Score Propagation (GSP) 方法，该方法 incorporates (融合) prompt clustering (提示聚类) 和 self-training negative prompting (自训练负面提示) 以提高 VLM 的 OOD 评分。该方法也适用于 few-shot (少样本) 场景，为实际应用提供选项。我们展示了 GSP 在合成数据集和真实世界数据集上的 3D 点云 OOD 检测任务中持续地超过 state-of-the-art (最先进) 方法。
引用
@article{arxiv.2506.22375,
title = {Exploiting Vision Language Model for Training-Free 3D Point Cloud OOD Detection via Graph Score Propagation},
author = {Tiankai Chen and Yushu Li and Adam Goodge and Fei Teng and Xulei Yang and Tianrui Li and Xun Xu},
journal= {arXiv preprint arXiv:2506.22375},
year = {2025}
}
备注
Accepted by ICCV 2025