<a href="https://arxiv.org/abs/2303.00246"><img src="https://img.shields.io/badge/https%3A%2F%2Farxiv.org%2Fabs%2F2303.00246-arxiv-brightgreen"></a>
Tuan Duc Ngo, Binh-Son Hua, Khoi Nguyen<br> 越南VinAI研究院
摘要: 现有的3D实例分割方法主要采用自下而上的设计:先使用手动微调的算法将点分组成簇,然后通过细化网络进行处理。这些方法依赖于簇的质量,在以下情况下容易产生不稳定的结果:(1)同一语义类的相邻物体紧密排列,或(2)形状复杂的大型物体。为解决这些缺点,我们提出了ISBNet,这是一种新颖的无簇方法,它将实例表示为核并通过动态卷积解码实例掩码。为了高效生成高召回率和具有判别性的核集,我们提出了一种简单的策略,称为实例感知最远点采样,用于采样候选点并利用PointNet++中采用的点聚合层来编码候选特征。此外,我们表明,在多任务学习设置中训练3D实例分割,并添加轴对齐边界框预测头,可以进一步提升性能。我们的方法在ScanNetV2(55.9)、S3DIS(60.8)和STPLS3D(49.2)数据集上创造了新的AP最佳结果,同时保持了快速的推理时间(在ScanNetV2上每个场景237毫秒)。
模型架构和实验结果的详细信息可以在我们的论文中找到:
@inproceedings{ngo2023isbnet, author={Tuan Duc Ngo, Binh-Son Hua, Khoi Nguyen}, booktitle={Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)}, title={ISBNet: a 3D Point Cloud Instance Segmentation Network with Instance-aware Sampling and Box-aware Dynamic Convolution}, year= {2023} }
每当使用此代码库产生发表结果或将其整合到其他软件中时,请引用我们的论文。
请参考安装指南。
请参考数据准备。
请参考训练指南。
数据集 | AP | AP_50 | 配置 | 检查点 |
---|---|---|---|---|
ScanNet 测试集 | 55.9 | 76.3 | ||
ScanNet 验证集(论文) | 54.5 | 73.1 | ||
ScanNet 验证集 | 56.8 | 73.3 | 配置 | 检查点 |
ScanNet 验证集(轻量级) | 50.1 | 68.9 | 配置 | 检查点 |
数据集 | AP | AP_50 | 配置 | 检查点 |
---|---|---|---|---|
ScanNet200 验证集 | 24.5 | 32.7 | 配置 | 检查点 |
数据集 | AP | AP_50 | 配置 | 检查点 |
---|---|---|---|---|
Area 5 | 56.3 | 67.5 | 配置 | 检查点 |
数据集 | AP | AP_50 | 配置 | 检查点 |
---|---|---|---|---|
STPLS3D 验证集 | 51.2 | 66.7 | 配置 | 检查点 |
使用预训练模型进行评估:
python3 tools/test.py <配置文件路径> <预训练权重路径>
本仓库基于SpConv、DyCo3D、SSTNet和SoftGroup构建。
如果您对本仓库有任何问题或建议,请随时联系我(ductuan.ngo99@gmail.com)。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号