无需标题，不成问题：利用CLIP知识与大语言模型通过难负样本实现无标题3D-CLIP对齐

在这项研究中，我们探索了一种替代方法，以在缺乏3D对象文本描述的情况下增强对比式文本-图像-3D对齐。我们引入了两种无监督方法，$I2I$ 和 $(I2L)^2$，它们利用CLIP关于文本和2D数据的知识来计算两个3D样本之间的神经感知相似度。我们采用所提出的方法来挖掘3D难负样本，通过自定义损失函数建立具有难负样本加权的多模态对比流水线。我们在所提出的难负样本挖掘方法的不同配置上进行训练，并在3D分类和跨模态检索基准上评估我们模型的准确性，测试图像到形状和形状到图像的检索。结果表明，我们的方法即使没有显式的文本对齐，在零样本和标准3D分类上也达到了相当或更优的性能，同时与先前方法相比，显著改善了图像到形状和形状到图像的检索。