Select Language

AI社区

公开数据集

modelNet 三维点云数据集

modelNet 三维点云数据集

1.9G
1110 浏览
1 喜欢
0 次下载
0 条讨论
Deep Learning 3D Model

ModelNet 数据集共有 662 种目标分类,127915 个 CAD 模型,以及 10 类标记过方向的数据,旨在为计算机视觉、计算机图形学、机器......

数据结构 ? 1.9G

    Data Structure ?

    * 以上分析是由系统提取分析形成的结果,具体实际数据为准。

    README.md

    ModelNet 数据集共有 662 种目标分类,127915 个 CAD 模型,以及 10 类标记过方向的数据,旨在为计算机视觉、计算机图形学、机器人和认知科学的研究人员提供全面的物体 3D 模型。

    该数据集包含了三个子集:

    • ModelNet10 为 10 个标记朝向的子集数据;

    • ModelNet40 为 40 个类别的三维模型;

    • Aligned40 为 40 类标记的三维模型。

    ModelNet 数据集由普林斯顿视觉与机器人实验室于 2015 年发布,主要发布人为 N. Sedaghat, M. Zolfaghari, E. Amiri and T. Brox,相关论文有《3D ShapeNets: A Deep Representation for Volumetric Shapes》


    ModelNet Benchmark Leaderboard

    Please email Shuran Song to add or update your results.

    In your email please provide following information in this format:
    Algorithm Name, ModelNet40 Classification, ModelNet40 Retrieval, ModelNet10 Classification, ModelNet10 Retrieval
    Author list, Paper title, Conference. link to paper.


    Example:
    3D-DescriptorNet, -, -, -,92.4%,-
    Jianwen Xie, Zilong Zheng, Ruiqi Gao, Wenguan Wang, Song-Chun Zhu, and Ying Nian Wu, Learning Descriptor Networks for 3D Shape Synthesis and Analysis. CVPR 2018, http://...


    AlgorithmModelNet40
    Classification
    (Accuracy)
    ModelNet40
    Retrieval
    (mAP)
    ModelNet10
    Classification
    (Accuracy)
    ModelNet10
    Retrieval
    (mAP)
    RS-CNN[63]93.6%---
    LP-3DCNN[62]92.1%-94.4%-
    LDGCNN[61]92.9%---
    Primitive-GAN[60]86.4%-92.2%-
    3DCapsule [59]92.7%-94.7%-
    3D2SeqViews [58]93.40%90.76%94.71%92.12%
    OrthographicNet [57]--88.56%86.85%
    Ma et al. [56]91.05%84.34%95.29%93.19%
    MLVCNN [55]94.16%92.84%--
    iMHL [54]97.16%---
    HGNN [53]96.6%---
    SPNet [52]92.63%85.21%97.25%94.20%
    MHBN [51]94.7-95.0-
    VIPGAN [50]91.9889.2394.0590.69
    Point2Sequence [49]92.60-95.30-
    Triplet-Center Loss [48]-88.0%--
    PVNet[47]93.2%89.5%--
    GVCNN[46]93.1%85.7%--
    MLH-MV[45]93.11%
    94.80%
    MVCNN-New[44]95.0%


    SeqViews2SeqLabels[43]93.40%89.09%94.82%91.43%
    G3DNet[42]91.13%
    93.1%
    VSL [41]84.5%
    91.0%
    3D-CapsNets[40]82.73%70.1%93.08%88.44%
    KCNet[39]91.0%
    94.4%
    FoldingNet[38]88.4%
    94.4%
    binVoxNetPlus[37]85.47%
    92.32%
    DeepSets[36]90.3%


    3D-DescriptorNet[35]

    92.4%
    SO-Net[34]93.4%
    95.7%
    Minto et al.[33]89.3%
    93.6%
    RotationNet[32]97.37%
    98.46%
    LonchaNet[31]

    94.37
    Achlioptas et al. [30]84.5%
    95.4%
    PANORAMA-ENN [29]95.56%86.34%96.85%93.28%
    3D-A-Nets [28]90.5%80.1%

    Soltani et al. [27]82.10%


    Arvind et al. [26]86.50%


    LonchaNet [25]

    94.37%
    3DmFV-Net [24]91.6%
    95.2%
    Zanuttigh and Minto [23]87.8%
    91.5%
    Wang et al. [22]93.8%


    ECC [21]83.2%
    90.0%
    PANORAMA-NN [20]90.7%83.5%91.1%87.4%
    MVCNN-MultiRes [19]91.4%


    FPNN [18]88.4%


    PointNet[17]89.2%


    Klokov and Lempitsky[16]91.8%
    94.0%
    LightNet[15]88.93%
    93.94%
    Xu and Todorovic[14]81.26%
    88.00%
    Geometry Image [13]83.9%51.3%88.4%74.9%
    Set-convolution [11]90%


    PointNet [12]

    77.6%
    3D-GAN [10]83.3%
    91.0%
    VRN Ensemble [9]95.54%
    97.14%
    ORION [8]

    93.8%
    FusionNet [7]90.8%
    93.11%
    Pairwise [6]90.7%
    92.8%
    MVCNN [3]90.1%79.5%

    GIFT [5]83.10%81.94%92.35%91.12%
    VoxNet [2]83%
    92%
    DeepPano [4]77.63%76.81%85.45%84.18%
    3DShapeNets [1]77%49.2%83.5%68.3%


    ×

    帕依提提提温馨提示

    该数据集正在整理中,为您准备了其他渠道,请您使用

    注:部分数据正在处理中,未能直接提供下载,还请大家理解和支持。
    暂无相关内容。
    暂无相关内容。
    • 分享你的想法
    去分享你的想法~~

    全部内容

      欢迎交流分享
      开始分享您的观点和意见,和大家一起交流分享.
    所需积分:10 去赚积分?
    • 1110浏览
    • 0下载
    • 1点赞
    • 收藏
    • 分享