PartNet

displayName: PartNet
labelTypes: []
license:
- MIT
mediaTypes:
- 3D
paperUrl: https://arxiv.org/pdf/1812.02713v1.pdf
publishDate: "2019-03-12"
publishUrl: https://cs.stanford.edu/~kaichun/partnet/
publisher:
- Stanford University
- Simon Fraser University
- Intel AI
- University of California, San Diego
tags: []
taskTypes:
- Semantic Segmentation
- 3D Semantic Segmentation
- Instance Segmentation
- 3D Instance Segmentation

---
## 简介
我们介绍了PartNet: 一个一致的、大规模的三维对象数据集，用细粒度的、实例级的和分层的三维零件信息进行注释。我们的数据集包括573,585个零件实例，超过26,671个3D模型，涵盖24个对象类别。该数据集支持并充当许多任务的催化剂，例如形状分析，动态3D场景建模和仿真，可承受分析等。使用我们的数据集，我们建立了用于评估3D零件识别的三个基准任务: 细粒度语义分割，分层语义分割和实例分割。我们对四种最先进的3D深度学习算法进行了基准测试，用于细粒度语义分割，并对三种基线方法进行了基准测试。我们还提出了一种新颖的零件实例分割方法，并证明了其优于现有方法的性能。
## 引文
```
@inproceedings{mo2019partnet,
title={Partnet: A large-scale benchmark for fine-grained and hierarchical part-level 3d object understanding},
author={Mo, Kaichun and Zhu, Shilin and Chang, Angel X and Yi, Li and Tripathi, Subarna and Guibas, Leonidas J and Su, Hao},
booktitle={Proceedings of the IEEE/CVF conference on computer vision and pattern recognition},
pages={909--918},
year={2019}
}
```

## Download dataset
:modelscope-code[]{type="git"}

displayName: PartNet（PartNet）
labelTypes: 无
license:
- MIT许可证
mediaTypes:
- 三维（3D）
paperUrl: https://arxiv.org/pdf/1812.02713v1.pdf
publishDate: 2019年3月12日
publishUrl: https://cs.stanford.edu/~kaichun/partnet/
publisher:
- 斯坦福大学
- 西蒙弗雷泽大学
- 英特尔人工智能（Intel AI）
- 加州大学圣地亚哥分校
tags: 无
taskTypes:
- 语义分割
- 三维语义分割
- 实例分割
- 三维实例分割

---

## 简介
我们在此介绍PartNet（PartNet）：一款具备一致性的大规模三维物体数据集，其标注包含细粒度、实例级且分层的三维零件信息。本数据集涵盖超过26671个三维模型与573585个零件实例，覆盖24个物体类别。该数据集可为诸多任务提供支撑并推动其发展，例如形状分析、动态三维场景建模与仿真、可供性分析等。依托本数据集，我们构建了用于评估三维零件识别的三项基准任务：细粒度语义分割、分层语义分割与实例分割。我们针对细粒度语义分割任务，对四种当前顶尖的三维深度学习算法开展了基准测试；同时针对相关任务测试了三种基线方法。此外，我们提出了一种创新性的零件实例分割方法，并证实其性能优于现有同类方法。
## 引用

@inproceedings{mo2019partnet,
title={PartNet：面向细粒度与分层零件级三维物体理解的大规模基准数据集},
author={Mo, Kaichun and Zhu, Shilin and Chang, Angel X and Yi, Li and Tripathi, Subarna and Guibas, Leonidas J and Su, Hao},
booktitle={Proceedings of the IEEE/CVF conference on computer vision and pattern recognition},
pages={909--918},
year={2019}
}

## 数据集下载
:modelscope-code[]{type="git"}

搜集汇总

背景与挑战

背景概述

PartNet是一个大规模、细粒度、层次化的3D物体部件标注数据集，包含26,671个3D模型和573,585个部件实例，涵盖24个物体类别。该数据集支持多种3D视觉任务，如语义分割、实例分割等，并提供了基准测试和算法评估。