EmbPASS：跨载体开放词汇全景分割基准与EPONet

全景图像提供完整360度视野，可支持全面具身场景理解。但异构平台的观察视点与空间布局差异较大，跨载体观测变化挑战一致可靠的全景感知，相关系统研究有限。为此，我们提出跨载体开放全景分割任务，并建立EmbPASS：在统一语义分类下覆盖车辆、无人机、可穿戴和四足平台的全景语义分割基准。进一步提出EPONet开放词汇网络，融合关系感知度量适配器（RAMA）和内容自适应语义迁移（CAST），增强异构观察下的空间建模与语义迁移。实验显示，EPONet在EmbPASS取得最佳平台均衡表现，mIoU为35.82%，比最强基线高1.10%，且在已有全景基准上保持竞争力。代码与EmbPASS将公开于 https://github.com/guopj1/EmbPASS.