对opengaussian的理解，以及跑模型遇到的问题

每一辆🚗都是一个实例（instance），但他们都是汽车，也就是他们的语义信息相似，但是空间位置不同。：在没有深度图的情况下，将 3D 实例与 2D 图像中的实例关联，解决同类物体的不同实例之间的混淆问题。由于遮挡或距离，两个对象可能永远不会共享相同的视点，因此无法通过对比损失进行优化，无法确保它们的特征是不同的。通过 IoU 和特征距离的联合评分，匹配 3D 实例和 2D 遮罩，确保仅将位置和

总结看过的论文