efm3d:测量向3D自我中心基础模型进展的基准

efm3d:测量向3D自我中心基础模型进展的基准

efm3d This is the official release for the paper "EFM3D A Benchmark for Measuring Progress Towards 3D Egocentric Foundation Models" (https//arxiv.org/abs/2406.10224). efm3d 项目地址: https://gitcode.com/gh_mirrors/ef/efm3d

项目介绍

efm3d是一个针对3D自我中心基础模型(Egocentric Foundation Models, EFMs)的测量进展的基准。该项目通过两个核心的3D自我中心感知任务——3D对象检测和表面回归,在高质量注释的自我中心数据集上评估模型性能。efm3d是首个针对Project Aria高质量注释数据的3D对象检测和表面回归任务的基准,并提出了用于3D EFMs的基线方法——Egocentric Voxel Lifting (EVL)。

项目技术分析

efm3d项目使用PyTorch作为主要的深度学习框架,并提供了预训练的EVL模型权重、数据集、分布式训练代码以及与Aria Training and Evaluation Kit (ATEK)的原生集成。该项目的目标是为研究者在3D自我中心感知领域提供一个统一的评估标准,以推动该领域的技术进步。

项目的核心组件包括:

  • 预训练的EVL模型权重,用于表面重建和3D对象检测。
  • 包含训练和评估数据的数据集,如Aria Synthetic Datasets (ASE)、Aria Everyday Objects (AEO)等。
  • 分布式训练代码,用于训练EVL模型。
  • 与ATEK的原生集成,用于训练和评估。

项目技术应用场景

efm3d的应用场景主要集中在3D自我中心感知领域,包括但不限于:

  • 虚拟现实和增强现实中的交互式对象检测。
  • 机器人导航和物体操作。
  • 智能视频分析和监控。
  • 自动驾驶车辆中的乘客交互。

项目特点

efm3d项目具有以下特点:

  1. 高质量数据集:使用Project Aria提供的高质量注释的自我中心数据集,保证了评估的准确性和可靠性。

  2. 全面的评估任务:包括3D对象检测和表面回归两个核心任务,全面评估EFMs的性能。

  3. 易于使用的工具和代码:提供了易于安装和使用的基础设施,包括预训练模型、数据集和训练代码。

  4. 开放的生态系统:与ATEK的原生集成,支持多节点多GPU训练,为研究者提供了灵活性和扩展性。

  5. 社区支持:该项目是开源的,欢迎社区贡献,以推动项目的进一步发展和完善。

通过efm3d,研究者和开发者可以更好地理解和评估3D自我中心基础模型的性能,从而推动相关技术的进步和应用。如果你对3D自我中心感知领域感兴趣,efm3d无疑是一个值得关注的开源项目。

efm3d This is the official release for the paper "EFM3D A Benchmark for Measuring Progress Towards 3D Egocentric Foundation Models" (https//arxiv.org/abs/2406.10224). efm3d 项目地址: https://gitcode.com/gh_mirrors/ef/efm3d

创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

倪燃喆Queenie

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值