目录 / bridging-modality-gap-roadside
SKILL
未评级
已上架
bridging-modality-gap-roadside
构建无需训练的流水线，将稀疏的3D LiDAR点云转换为深度编码的2D图像，以供视觉-语言模型（如CLIP等）进行分类。涵盖完整的工作流程：点云去噪、时序帧融合、规范朝向对齐、正交投影、形态学清理、双边平滑，以及基于语义锚定的少样本VLM提示。适用场景包括：“从路边LiDAR对车辆进行分类”、“将点云转换为VLM可用的图像”、“无需训练的少样本3D物体分类”、“连接LiDAR与视觉-语言模型”、“从未标注LiDAR数据中引导生成标注数据集”、“基于点云的车辆分类器冷启动”。
模型生成摘要（rules/v1 · 2026-11-15 20:44）：构建无需训练的流水线，将稀疏的3D LiDAR点云转换为深度编码的2D图像，以供视觉-语言模型（如CLIP等）进行分类
这是模型对公开材料的总结，不是官方声明，请以原链内容为准。
这是模型对公开材料的总结，不是官方声明，请以原链内容为准。
存档时间线
| 版本 | 存档时间 | 内容哈希 | 内容 |
|---|---|---|---|
| v1 | 2026-11-15 20:44 | 7fb9c93c | 可取 |
版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。
纠错与举报（发现条目失效、署名有误或涉及侵权？）
提交举报 / 纠错
侵权举报经核验成立后，我们会即时下线该条目并删除已存的内容副本。