淘系3D-FRONT数据集荣获Chinagraph首个「图形开源数据集奖」

简介: 10月23日,Chinagraph2020现场,阿里巴巴淘系技术开源的数据集3D-FRONT荣获Chinagraph 首个“图形开源数据集奖”。

前言

3D-FRONT是由阿里巴巴淘系技术部(赵斌强、付欢、贾荣飞、蔡博文等),西蒙弗雷泽大学(张皓教授),中科院计算所(高林、张凌霄)合作开源的大型3D场景数据集,其填补了学界3D场景布局数据的空白。这对于推进学术研究与工业落地紧密结合,以及3D视觉与图形学未来发展有着重大意义。

image.png


中科院计算所博导高林、淘系技术部高级算法专家贾荣飞 代表现场领奖

image.png

Chinagraph (中国计算机图形学大会)是由中国计算机学会、中国自动化学会、中国图学学会、中国图象图形学会、中国系统仿真学会、香港多媒体及图像计算学会于1996年发起主办,迄今已举办12届,是中国计算机图形学界最高级别的学术会议。

大会今年首次设立图形开源数据集奖。奖项的目的是为了表彰向公众提供计算机图形学相关的开源数据集的华人学者、企业及学生。“图形开源数据集奖”颁发给阿里淘系技术,表彰了3D-FRONT帮助他人能够快速验证已有方法,推动领域内新技术的发展,并为提升计算机图形学领域的影响力做出重要贡献。

3D-FRONT

image.png


3D场景理解是打造数字化世界的基础核心研究课题,且依赖与大量数据进行相关模型训练。然而,学界开源场景数据严重缺乏,特别是具有高质量布局与室内设计的数据集。导致3D场景的研究与远无法满足现实工业落地需求。这是当下学界与业界亟须解决的问题。

阿里巴巴作为世界级电商巨头,其官方家装家居设计平台 --- “躺平设计家”积累了海量高质量家居设计方案。以这些真实专业场景设计为基础,阿里巴巴淘系技术部结合3D人工智能技术,打造了场景数字化营销,推出了智能设计搭配服务,创造了大量精美场景布局与设计数据,并基于此组织了3D-FRONT开源项目。

3D-FRONT (3D-FRONT: 3D Furnished Rooms withlayOuts and semaNTics) 包含6,813不同的真实户型,户型由51,708房间组成。这些房间可以被细分成28种类型,其中19,775房间含有人工验证过的精美室内设计信息。房间内的高质量模型来自于阿里巴巴大型家具模型开源项目3D-FUTURE (3D FUrniture shapes with TextURE)。

阿里巴巴智能设计业务落地

image.png

阿里巴巴智能设计在多个家居业务发挥着核心的作用,包括躺平轻应用智能创作,淘宝购后猜你喜欢,智能客服推荐,ICBU 3D Virtual Home等。在3D Virtual Home会场业务中,阿里巴巴淘系技术部利用智能室内设计技术生成了近8000套精美户型设计,在导购会场浏览时长提升了3倍,带动大家装行业的实收交易额同比增长130%。

基于场景数据集的AI智能设计产品——3D鲁班,依托躺平设计家超百万的真实尖货商品模型库,平台能快速组合商家的真实商品模型并根据客户行为洞察呈现出“千人千面”AI智能设计样板间。未来,将有越来越多的家居品牌商家会因此受益。

2.png


1.png


3D-FRONT自开源以来,受到学界广泛关注,并持续吸引者国内外顶尖机构与企业,例如斯坦福,清华,谷歌,Facebook等,在该数据集上开展学术研究。阿里巴巴将持续维护并提升3D-FRONT场景开源项目,以推动3D视觉与几何领域内新技术的发展与革新。

3D-FRONT数据集主页:https://tianchi.aliyun.com/specials/promotion/alibaba-3d-scene-dataset

关注「淘系技术」微信公众号,一个有温度有内容的技术社区~

image.png

相关文章
|
8月前
|
人工智能
破壁人AI百度:科技公司反内卷的典型样本
请你仅使用两个栈实现先入先出队列。队列应当支持一般队列支持的所有操作(push、pop、peek、empty): 实现 MyQueue 类: void push(int x) 将元素 x 推到队列的末尾 int pop() 从队列的开头移除并返回元素 int peek() 返回队列开头的元素 boolean empty() 如果队列为空,返回 true ;否则,返回 false class MyQueue: def __init__(self): self.stack_in=[] self.stack_out=[] def push(
39 3
|
8月前
夸克网盘的文件怎么保存到百度网盘?
夸克网盘的文件怎么保存到百度网盘?
3462 2
夸克网盘的文件怎么保存到百度网盘?
|
8月前
|
机器学习/深度学习 自然语言处理
大语言模型(LLM)框架及微调 (Fine Tuning)
大语言模型(LLM)框架及微调 (Fine Tuning)
511 0
|
8月前
|
存储 安全 关系型数据库
Mysql 的binlog日志的优缺点
MySQL的binlog(二进制日志)是一个记录数据库更改的日志文件,它包含了所有对数据库执行的更改操作,如INSERT、UPDATE和DELETE等。binlog的主要目的是复制和恢复。以下是binlog日志的优缺点: ### 优点: 1. **数据恢复**:当数据库出现意外故障或数据丢失时,可以利用binlog进行点恢复(point-in-time recovery),将数据恢复到某一特定时间点。 2. **主从复制**:binlog是实现MySQL主从复制功能的核心组件。主服务器将binlog中的事件发送到从服务器,从服务器再重放这些事件,从而实现数据的同步。 3. **审计**:b
288 1
|
8月前
|
机器学习/深度学习 计算机视觉
秒懂Precision精确率、Recall召回率-附代码和案例
秒懂Precision精确率、Recall召回率-附代码和案例
|
5月前
|
Ubuntu Linux Python
【Deepin 系统】Linux系统解决安装wxPython安装不上的问题
解决wxPython安装问题的两种方法,包括通过指定源使用pip安装和先下载.whl文件再本地安装的具体步骤。
174 1
|
人工智能 自然语言处理 测试技术
GPT-4 API 接口调用及价格分析
对开发者来说,GPT-4最激动人心的是API接口同步发布。我今天获得了API访问权限,本文将跟大家分享GPT-4 API接口的使用以及大家关心的价格分析。
13479 1
GPT-4 API 接口调用及价格分析
|
7月前
|
机器学习/深度学习 编解码 人工智能
走进 Sora 的世界:视频重建调研与创新路线图
走进 Sora 的世界:视频重建调研与创新路线图
120 0
|
人工智能 自然语言处理 自动驾驶
破壁人 AI 百度:科技公司反内卷的典型样本
互联网整个行业都在陷入被动且尴尬的局面。去年开始流行的“内卷”一词,恰如其分的描述了互联网的现状,比如抖音开始做外卖,微信强推视频号,一直硝烟弥漫的电商市场,更是激战在社区团购上。
破壁人 AI 百度:科技公司反内卷的典型样本
|
存储 自然语言处理 NoSQL
关于 LLM 和图数据库、知识图谱的那些事
本文着重介绍了 LLM、RAG、Graph 是什么,以及 LLM 如何同知识图谱结合,让知识抽取更加便利。此外,还讲述了一些 LLM 在数据库领域的应用场景,比如:用自然语言查询数据。
1043 0
关于 LLM 和图数据库、知识图谱的那些事