尺度问题：跨物种 3D 植物器官分割的自适应粒度选择

最近的 3D 基础模型通过控制空间粒度为点云学习提供强大的特征表示。然而，依赖固定的空间粒度严重限制了植物表型分析等应用的泛化，其中器官形态和大小在物种和生长阶段之间存在很大差异。为了解决这个问题，我们提出了 AGS-PlantSeg，这是一种少样本 3D 植物器官分割方法，该方法利用冷冻 Utonia (arXiv:2603.03283) 基础模型与自适应粒度选择相结合。通过为每个特定植物模型动态选择最佳粒度级别，我们的方法为轻量级 MLP 分割头提取优化的几何特征。 PLAnesT-3D (arXiv:2407.21150)、Pheno4D 和 Crops3D 的大量实验表明，AGS-PlantSeg 显着提高了跨物种泛化能力，实现了 88.9% 的平均 mIoU 性能，比固定粒度基线高出 2.5 mIoU 点。尽管需要最少的注释数据，但我们的方法与完全监督的工厂特定架构相比具有很强的竞争力。