Mask3D

Mask3D

改进3D语义实例分割方法,兼容多种数据集

Mask3D是一个提升3D语义实例分割的开源项目,支持ScanNet、ScanNet200、S3DIS和STPLS3D数据集。项目集成了PyTorch、PyTorch Lightning和Hydra工具,提供高效的架构和训练流程,包括数据预处理、模型训练与测试。此外,Mask3D在多个挑战中表现优异,包括在ECCV 2022的Urban3D挑战中获得第二名。

Mask3D3D实例分割ScanNetPyTorchICRA 2023Github开源项目

Mask3D 项目介绍

什么是 Mask3D?

Mask3D 是一款用于3D实例分割的先进算法工具,采用了Mask Transformer技术,可以在3D环境中准确识别和划分不同的语义实例。通过Mask3D,研究人员在多个数据集上达到了最先进的实例分割性能,比如ScanNet、ScanNet200、S3DIS和STPLS3D等。这一项目由来自多个学术机构和公司,包括RWTH Aachen University、ETH Zurich和NVIDIA的研究人员合作开发。

主要特点

  • 多数据集支持:Mask3D在多个广泛使用的3D数据集上进行了测试和验证,展示了非凡的性能。这些数据集包括ScanNet、ScanNet200、S3DIS和STPLS3D。
  • 强大的技术基础:项目采用了PyTorch作为主要的深度学习架构,并使用Lightning和Hydra进行配置管理。
  • 广泛的社区和文档支持:项目代码开源并有详细的设置文档和演示,帮助研究人员和开发者快速上手。

项目代码结构

Mask3D 的代码结构基于Mix3D框架,代码以模块化设计为特色,便于开发者理解和扩展:

  • mix3d:主文件和配置文件所在地,含数据集和模型相关的多个子模块。
  • datasets:包含数据预处理脚本和相关工具。
  • models:封装了Mask3D核心模型模块。
  • trainer:训练模块,包括训练循环等。
  • utils:辅助工具和通用函数。

依赖环境

为了顺利运行Mask3D,项目要求如下主要依赖环境:

  • Python 版本:3.10.9
  • CUDA 版本:11.3

可以通过conda安装并配置项目所需的环境:

export TORCH_CUDA_ARCH_LIST="6.0 6.1 6.2 7.0 7.2 7.5 8.0 8.6" conda env create -f environment.yml conda activate mask3d_cuda113

数据预处理

Mask3D需要对原始数据进行一定的预处理,以确保数据适合模型输入。目前支持的预处理方法包括针对ScanNet、S3DIS和STPLS3D数据集的专用脚本。处理后的数据集将被存储在data/processed目录下。

训练与测试

在准备好预处理数据后,用户可以开始对Mask3D进行训练和测试。以下示例展示如何在ScanNet数据集上进行训练:

python main_instance_segmentation.py

可以通过修改配置脚本进行自定义训练和测试流程,详细配置文件可以在scripts目录下找到。

训练好的检查点

Mask3D提供了多个经过训练和验证的模型检查点,用户可以直接下载并进行推理或进一步的微调。这些检查点在不同的数据集上展示了优越的性能指标。

项目亮点

  • Mask3D是由多个国际知名院校的学者及NVIDIA研究人员合力完成的前沿研究项目。
  • 已在国际会议ICRA 2023上发表,并在多个比赛中表现优异。
  • 项目负责人和团队成员通过论文、详细文档、以及代码库积极推动3D实例分割领域的发展。

请在使用时引用原作者的论文,以尊重原作者的学术贡献。

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

下拉加载更多