PlaneCycle：无需适配器的训练免费2D至3D升算子
计算机视觉与模式识别
2026-04-09 v3 人工智能
摘要
大规模2D基础模型展现出强大的可迁移表示，但将其扩展到3D体数据通常需要重新训练、适配器或架构 redesign。我们提出PlaneCycle，一种无训练、无适配器的数据驱动方法，用于任意2D网络的2D至3D升算子。PlaneCycle通过在网络深度中交替分配垂直水平、深度垂直和深度水平平面上的空间聚合，实现渐进式3D融合，同时保留预训练的归纳偏置。该方法不引入任何额外参数，适用于任意2D网络。使用预训练的DINOv3模型，我们在六个3D分类和三个3D分割基准测试上评估了PlaneCycle。在无任何训练的情况下，提升后的模型展现内在的3D融合能力，线性探测下优于切片级2D基线和强大的3D对手，接近fully训练模型的性能。经过full fine-tuning后，PlaneCycle可与标准3D架构持平，凸显其作为无结构修改和无重新训练的2D至3D升算子的潜在价值。这些结果表明，3D能力可从预训练的2D基础模型中无缝解锁。代码已公开：https://github.com/HINTLab/PlaneCycle。
关键词
引用
@article{arxiv.2603.04165,
title = {PlaneCycle: Training-Free 2D-to-3D Lifting of Foundation Models Without Adapters},
author = {Yinghong Yu and Guangyuan Li and Jiancheng Yang},
journal= {arXiv preprint arXiv:2603.04165},
year = {2026}
}