突破性统一3D表示学习框架
Uni3D是一个创新的3D预训练框架,致力于大规模3D表示学习。该框架采用2D预训练模型初始化,通过端到端训练实现3D点云与图像-文本特征对齐。Uni3D凭借简洁架构和高效预训练,成功将模型规模扩展至10亿参数,在多项3D任务中取得突破性进展,展现了将2D深度学习优势迁移至3D领域的巨大潜力。
周俊生<sup>1,2*</sup>,王金生<sup>1*</sup>,马宝瑞<sup>1*</sup>,刘雨生<sup>2</sup>,黄铁军<sup>1,3</sup>,王鑫龙<sup>1</sup>
<sup>1</sup>北京智源人工智能研究院,<sup>2</sup>清华大学,<sup>3</sup>北京大学 <br><sup>*</sup> 同等贡献
ICLR 2024(聚光灯论文)
</div> <p align="center"> <img src="https://yellow-cdn.veclightyear.com/835a84d5/fbaf64de-c39e-4717-afde-df60997cbf72.jpg" alt="概览" width="800" /> </p>我们提出了Uni3D,这是一个统一且可扩展的3D预训练框架,用于大规模3D表示学习,并探索其在十亿参数规模下的极限。Uni3D使用2D初始化的ViT进行端到端预训练,将3D点云特征与图像-文本对齐的特征对齐。通过简单的架构和预训练任务,Uni3D可以利用大量2D预训练模型作为初始化,并将图像-文本对齐模型作为目标,从而释放2D模型和扩展策略在3D领域的巨大潜力。我们高效地将Uni3D扩展到十亿参数规模,并在广泛的3D任务上创造了新纪录。
我们致力于开源Uni3D相关材料,包括:
我们希望通过开源和促进合作来推动我们社区的发展👬。让我们一起朝着多模态智能迈进🍻。
克隆此仓库并安装所需的包:
git clone https://github.com/baaivision/Uni3D.git cd Uni3D conda create -n uni3d python=3.8 conda activate uni3d conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia pip install -r requirements.txt # 从https://github.com/erikwijmans/Pointnet2_PyTorch安装pointnet2扩展 pip install "git+git://github.com/erikwijmans/Pointnet2_PyTorch.git#egg=pointnet2_ops&subdirectory=pointnet2_ops_lib"
核心包:
模型 | 训练数据 | Objaverse-LVIS Top1(Top5) | ModelNet40 Top1(Top5) | ScanObjectNN Top1(Top5) |
---|---|---|---|---|
Uni3d-B | 集成(不含LVIS) | 45.9 (74.8) | 86.1 (98.7) | 61.7 (89.5) |
Uni3d-B | 集成 | 51.7 (80.8) | 86.3 (97.9) | 63.8 (90.2) |
Uni3d-L | 集成(不含LVIS) | 46.2 (74.7) | 86.6 (97.8) | 58.4 (90.1) |
Uni3d-L | 集成 | 53.1 (81.5) | 86.3 (98.3) | 58.2 (89.4) |
Uni3d-g | 集成(不含LVIS) | 47.2 (76.1) | 86.8 (98.4) | 66.5 (90.1) |
Uni3d-g | 集成 | 53.5 (82.0) | 87.3 (99.2) | 63.9 (91.7) |
Uni3d-g 🔥 | 集成 | 55.3 (82.9) | 88.2 (99.3) | 65.3 (92.7) |
我们在三个数据集上评估零样本3D分类性能:Objaverse-LVIS、ModelNet40和ScanObjectNN。
/path/to/clip_model
文件夹中。/path/to/checkpoints
文件夹中。bash scripts/inference.sh [scale]
来评估上述数据集上的模型,例如,bash scripts/inference.sh giant
。/path/to/clip_model
文件夹中。/path/to/init_model
文件夹中。bash scripts/pretrain.sh
在集成数据集上预训练模型。Uni3D基于出色的EVA、OpenCLIP、timm、DeepSpeed、ULIP和OpenShape构建。
@inproceedings{zhou2023uni3d, title={Uni3d: Exploring unified 3d representation at scale}, author={Zhou, Junsheng and Wang, Jinsheng and Ma, Baorui and Liu, Yu-Shen and Huang, Tiejun and Wang, Xinlong}, booktitle={International Conference on Learning Representations (ICLR)}, year={2024} }
一键生成PPT和Word,让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。
深度推理能力全新升级,全面对标OpenAI o1
科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功 能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。
字节跳动发布的AI编程神器IDE
Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。
AI助力,做PPT更简单!
咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。
选题、配图、成文,一站式创作,让内容运营更高效
讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速 品牌传播,提升内容营销效果。
专业的AI公文写作平台,公文写作神器
AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。
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。
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