ISBNet

ISBNet

高效准确的3D点云实例分割网络实现先进场景理解

ISBNet是一种创新的3D点云实例分割网络,采用实例感知采样和框感知动态卷积技术。通过多任务学习方法和轴对齐边界框预测,ISBNet在ScanNetV2、S3DIS和STPLS3D等数据集上实现了领先的分割精度,同时保持快速推理速度。该方法有效解决了密集场景中相同语义类别物体的分割问题,为3D场景理解提供了新的解决方案。

3D点云实例分割ISBNet深度学习计算机视觉Github开源项目

PWC

PWC

PWC

PWC

目录
  1. 特性
  2. 数据集
  3. 安装
  4. 数据准备
  5. 训练和测试
  6. 快速演示
  7. 可视化
  8. 致谢
  9. 联系方式

ISBNet:一种基于实例感知采样和框感知动态卷积的3D点云实例分割网络

<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)。

概览 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。

特点 :mega:

  • 在ScanNetV2、S3DIS和STPLS3D数据集上达到最先进的性能。
  • 在ScanNetV2数据集上每次扫描仅需237毫秒的高速处理。
  • 提供ScanNetV2、S3DIS和STPLS3D数据集的可复现代码。

数据集 :floppy_disk:

  • ScanNetV2
  • ScanNetV2-200
  • S3DIS
  • STPLS3D

安装 :memo:

请参考安装指南

数据准备 :hammer:

请参考数据准备

训练和测试 :train2:

请参考训练指南

快速演示 :fire:

ScanNetv2

数据集APAP_50配置检查点
ScanNet 测试集55.976.3
ScanNet 验证集(论文)54.573.1
ScanNet 验证集56.873.3配置检查点
ScanNet 验证集(轻量级)50.168.9配置检查点

ScanNetv2-200

数据集APAP_50配置检查点
ScanNet200 验证集24.532.7配置检查点

S3DIS

数据集APAP_50配置检查点
Area 556.367.5配置检查点

STPLS3D

数据集APAP_50配置检查点
STPLS3D 验证集51.266.7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>

可视化 :computer:

请参阅可视化指南。 我们在这里提供了我们方法的定性结果。

致谢 :clap:

本仓库基于SpConvDyCo3DSSTNetSoftGroup构建。

联系方式 :email:

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)。

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