PEARL：几何对语义进行对齐，实现无需训练的开放词汇语义分割

无需训练的开放词汇语义分割（OVSS）承诺能够快速适应新的标签集合，无需重新训练。然而，许多方法依赖重型后处理或将文本和视觉处理为孤立，从而未充分利用跨模态几何。其他方法则引入辅助视觉主干网络或多模型管道，这增加了复杂度和延迟，同时损害设计的简单性。我们提出了 PEARL（Procrustes Alignment with text-aware Laplacian propagation），一种紧凑的两步推理方法，遵循“对齐后传播”原则。Procrustes 对齐步骤在最后的自注意力块内部执行正交投影，通过稳定的极坐标迭代将查询子空间中的键旋转。文本感知的拉普拉斯传播随后通过置信度加权的、受文本引导的图求解，对小网格上的每个像素的 logits 进行细化：文本既提供数据可信信号，又提供邻居门控，而图像梯度则保留边界。本文中，我们的方法完全无需训练、即插即用，仅使用固定常数，额外延迟极小，仅需少量投影和几次共轭梯度步骤。我们的做法 PEARL 在无额外数据或辅助主干网络的情况下，跨越标准基准，实现了训练-free OVSS 的新型状态，在带背景和不带背景协议下均表现优异。