【CVPR 2025】3D VLM 稠密知识 × 少样本精准校准：广义少样本三维点云分割框架 GFS-VL｜从三维场景理解视角本文解读 CVPR 2025 论文《Generalized Few-shot 3D Point Cloud Segmentation with Vision-Language Model》（GFS-VL）。该论文提出GFS-VL 广义少样本三维点云分割框架，通过融合3D 视觉语言模型（VLM）的稠密伪标签、少样本原型校准与保留上下文的场景混合，让分割模型在只见过每类 1–5 个支持样本后，同时分割基类与新类。其特别之处在于用精准的 few-shot 原型把 VLM 有噪的开放词汇预测转化为可靠监督，并配套