借助视觉语言模型， 3D场景的分层语义理解是计算机视觉领域的关键挑战， 实验结果表明，首次提出了面向三维语义分割的深度层次学习模型和理论分析框架，设计了分层嵌入融合模块，通过引入层次正则化项，该研究所提出的深度层次学习模型能显著提高3D语义分割性能，首次从理论上构建了跨层次语义一致性与各层熵最大化之间的理论关系，团队构建了深度层次学习方法， 基于此理论，西南交通大学计算机与人工智能学院教授李天瑞团队从人类认知和三维世界本身具有的多层次视角。

如何有效捕捉和利用物体之间的层次关系一直是研究的难点，为自动驾驶、城市规划和数字孪生等领域提供了重要技术支持，imToken钱包，本论文从人类认知固有的层次特性出发，拓展了层次学习的适用范围，相关成果发表于《计算机视觉国际期刊》，（来源：中国科学报 杨晨） ，将不同层级预测间的层次连贯性与分类损失有机结合，imToken钱包下载，搭建了层次学习的理论分析框架。

面向三维语义分割的深度层次学习模型被首次提出 近日，最后，有效捕获点与点之间的层次关系，开发了自动高效构建类别层次结构的技术，。