arXiv 新增 · 2D VFM to 3D representation · P2 · 2026-06-24

Lightweight 3D Feature Pretraining by：它和通用视觉自监督的关系在于：把 2D foundation embeddings 反演成 3D semantic latent，方法对 self-supervised embeddings 兼容

中相关；详见方法、贡献和实验边界。

Lightweight 3D Feature Pretraining by Bayesian Inversion of 2D Foundation Models　arXiv 新增 · 2D VFM to 3D representation　原文链接

编号2606.21292 优先级P2 类别arXiv 新增 · 2D VFM to 3D representation 会议arXiv 新增 · 2D VFM to 3D representation 方法把 2D foundation embeddings 反演成 3D semantic latent，方法对 self-supervised embeddings 兼容来源arXiv / OpenReview

先说结论。它和通用视觉自监督的关系在于：把 2D foundation embeddings 反演成 3D semantic latent，方法对 self-supervised embeddings 兼容。中相关；详见方法、贡献和实验边界。

**Figureure 2 · : Overview of our proposed architecture**Figure 2: Overview of our proposed architecture. More details in Appendix.这张图概括 Lightweight 3D Feature Pretraining by 的整体方法流程。阅读时先看模块之间传递的训练信号，再看作者如何把目标拆成可优化的子问题。

**Figureure 1 · : Overview of Casper3D**Figure 1: Overview of Casper3D这张图概括 Lightweight 3D Feature Pretraining by 的整体方法流程。阅读时先看模块之间传递的训练信号，再看作者如何把目标拆成可优化的子问题。

核心问题

它和通用视觉自监督的关系在于：把 2D foundation embeddings 反演成 3D semantic latent，方法对 self-supervised embeddings 兼容。

方法拆解

把 2D foundation embeddings 反演成 3D semantic latent，方法对 self-supervised embeddings 兼容

主要贡献

中相关；详见方法、贡献和实验边界。

实验看点

实验部分建议重点看两类证据：一是作者是否把方法收益和更强数据、更长训练、更大模型区分开；二是跨模型、跨数据或跨任务迁移是否还能保留同样趋势。

局限与读法

这篇论文的结论需要结合任务设置、训练数据规模和消融实验一起看；不要只凭单个指标判断它对通用视觉表征的价值。