R4Tun

LLM引导的框架R4Tun增强了隧道衬砌分割

研究人员开发了R4Tun，一个利用大型语言模型（LLMs）从3D点云中改进隧道衬砌分割的新框架。这种LLM引导的方法通过根据内存、状态和知识等上下文动态调整参数，来适应现有的专家设计的管道SAM4Tun。在各种隧道子集上的评估显示，与静态基线相比，平均交并比（mIoU）和整体准确性有了显著提高。研究表明，R4Tun为不同LLM提供了可控的、无标签的适应机制，通过可审计的参数调整持续提高准确性。