Die Kernkompetenz von PartCrafter beruht zum Teil auf seinem großen Trainingsdatensatz, der zwei Schlüsseldimensionen umfasst: Auf der quantitativen Ebene übersteigt der Umfang von 130.000 3D-Objekten bei weitem den vergleichbarer Tools (z. B. die 50.000 Größenordnung von ShapeNet); und auf der qualitativen Ebene liefern die 100.000 Beispiele mit Teileannotationen feinkörnige überwachte Signale. Der Datensatz umfasst 20 Produktkategorien wie Maschinenteile, Möbel, elektronische Geräte usw., und jedes Modell wird im Durchschnitt in 7,3 semantische Teile zerlegt. Diese Datenstärke schlägt sich direkt in drei praktischen Eigenschaften nieder: erstens in der Fähigkeit zur Verallgemeinerung, um mit unbekannten Objektklassen umzugehen; zweitens in der Detailreduzierung, die Standardverbindungsstrukturen (z. B. Zapfen und Zapfenverbindungen, Gewinde) genau generiert; und drittens im Szenenverständnis, das die Spekulation der vollständigen Struktur aus stark verdeckten Bildern unterstützt. Das Projekt plant, den Zugang zu diesen Ressourcen bis Juli 2025 freizugeben.
Diese Antwort stammt aus dem ArtikelPartCrafter: Generierung bearbeitbarer 3D-Teilemodelle aus einem einzigen BildDie
Deutsch 
简体中文 
English 
日本語 
Português do Brasil