上一篇
MuCodec是什么？一文让你看懂MuCodec的技术原理、主要功能、应用场景
Find3D是什么？一文让你看懂Find3D的技术原理、主要功能、应用场景
来源：卓商AI
发布时间：2025-04-05
关键字：
Find3D概述简介
Find3D是加州理工学院推出的3D部件分割模型，能根据任意文本查询分割任意对象的任何部分。Find3D用一个强大的数据引擎自动从互联网上的3D资产生成训练数据，并用对比训练方法训练一个可扩展的3D模型。Find3D在包括Objaverse-General、ShapeNet-Part和PartNet-E在内的多个数据集上展现出色性能，实现高达3倍于次佳方法的平均交并比（mIoU）提升，能处理来自iPhone照片和AI生成图像的野外3D构建。
Find3D的功能特色
开放世界3D部分分割：识别和分割任何物体的任何部分，只需用文本查询即可，不受预定义部分集的限制。
无需人工注释：用数据引擎自动从互联网上的3D资产生成训练数据，无需人工注释。
高性能与泛化能力：在多个数据集上表现出色，与次佳方法相比，平均交并比（mIoU）提高3倍。
快速推理：比现有基线快6到300倍，显著提高推理速度。
鲁棒性：在不同的物体姿态和查询条件下保持稳定的分割效果。
查询灵活性：支持不同类型的文本查询，包括不同粒度和描述风格的部分查询。
Find3D的技术原理
数据引擎：
用2D基础模型（如SAM和Gemini）自动注释3D对象。
将3D资产渲染成多个视图，每个视图传递给SAM进行分割。
对于SAM返回的每个掩码，查询Gemini以获取相应的部分名称，形成（掩码，文本）对。
将部分名称嵌入到视觉和语言基础模型（如SigLIP）的潜在嵌入空间中。
基于投影几何将掩码反投影到3D点云中，形成（点，文本嵌入）对。
模型训练：
基于Transformer的点云模型，该模型将点云视为序列，并执行块注意力。
模型返回的点特征与文本嵌入的余弦相似度进行任何自由形式文本的查询。
用对比学习目标处理标签的多义性和部分可见性问题，支持在数据引擎生成的数据上进行可扩展训练。
对比学习目标：
解决每个点具有多个标签的问题，及由于每个掩码只覆盖部分视图而导致的未标记点问题。
基于对比学习目标，让模型能学习到鲁棒的特征表示，在开放世界中实现准确的部分分割。
Find3D项目介绍
项目官网：ziqi-ma.github.io/find3dsite
GitHub仓库：https://github.com/ziqi-ma/Find3D
arXiv技术论文：https://arxiv.org/pdf/2411.13550v1
在线体验Demo：https://huggingface.co/spaces/ziqima/Find3D
Find3D能做什么？
机器人视觉与操作：在机器人领域，帮助机器人识别和定位物体的特定部分，进行精确的抓取、操作或交互。
虚拟现实（VR）和增强现实（AR）：在VR/AR应用中，提供对虚拟物体的更深层次理解，增强用户与虚拟环境的交互体验。
计算机辅助设计（CAD）：在CAD软件中，帮助设计师快速识别和编辑3D模型的特定部分，提高设计效率。
游戏开发：在游戏开发中，创建更复杂的3D物体交互，如角色装备的更换或物体的破坏效果。
建筑和工程：在建筑和工程领域，帮助分析和理解复杂的3D结构，如建筑模型或机械部件。
© 版权声明:本站所有原创文章版权均归卓商AI工具集及原创作者所有，未经允许任何个人、媒体、网站不得转载或以其他方式抄袭本站任何文章。
相关文章
-
CHANGER是什么？一文让你看懂CHANGER的技术原理、主要功能、应用场景2025-04-05 -
Kiroku是什么？一文让你看懂Kiroku的技术原理、主要功能、应用场景2025-04-05
-
Vision Search Assistant是什么？一文让你看懂Vision Search Assistant的技术原理、主要功能、应用场景2025-04-05
-
MVDrag3D是什么？一文让你看懂MVDrag3D的技术原理、主要功能、应用场景2025-04-05
-
Chonkie是什么？一文让你看懂Chonkie的技术原理、主要功能、应用场景2025-04-05
-
MSQA是什么？一文让你看懂MSQA的技术原理、主要功能、应用场景2025-04-05
卓商AI
AI爱好者的一站式人工智能AI工具箱，累计收录全球10,000⁺好用的AI工具软件和网站，方便您更便捷的探索前沿的AI技术。本站持续更新好的AI应用，力争做全球排名前三的AI网址导航网站，欢迎您成为我们的一员。
最新发布
1
2
3
4
5
6
7
8
9
10
猜你喜欢
AV-HuBERT
AV-HuBERT是一个自监督表示学习框架，专门用于音视觉语音处理。它在LRS3音视觉语音基准测试中实现了最先进的唇读、自动语音识别（ASR）和音视觉...
Semantic Chunkers
Semantic Chunkers 是一个多模态分块库，用于智能地对文本、视频和音频进行分块，提高AI和数据处理的效率和准确性。...
Whisper
Whisper 是一个通用的语音识别模型。它经过大量多样化音频的训练，并且是一个多任务模型，可以进行多语言语音识别、语音翻译和语种识别。...
AIProfilePic.art
AIProfilePic.art是一款使用人工智能技术生成头像的工具。用户只需上传自己的照片，选择喜欢的艺术风格，经过AI处理后即可得到高质量的头像图...
Invocom
Invocom提供基于AI的聊天机器人服务，助力客户支持。它能够帮助筛选潜在客户、提供个性化体验，提升您的收入。...
Zapier MCP
Zapier MCP（模型上下文协议）使 AI 助手能够安全地与超过 8000 个应用程序互动，简化了与各类服务的集成过程。通过这一平台，用户无需编写...
AI Library
AI Library是最大最全的 AI 工具目录，包括 1800 + 神经网络和工具，可用于创作者和游戏开发者。具有语义搜索和筛选功能。提供的功能包括...
Simple AI
Simple AI是一个AI电话助手，旨在通过人工智能技术帮助用户自动拨打电话，完成预订、预约等任务。这项技术的重要性在于它能够节省用户的时间，提高效...
AI爱好者的一站式人工智能AI工具箱，累计收录全球10,000⁺好用的AI工具软件和网站，方便您更便捷的探索前沿的AI技术。本站持续更新好的AI应用，力争做全球排名前三的AI网址导航网站，欢迎您成为我们的一员。
