PartNet: 大規模なベンチマークによる細部および階層的な部品レベル3Dオブジェクト理解

私たちはPartNetを発表します。これは、微細な、インスタンスレベルの、階層的な3D部品情報で注釈された一貫性のある大規模データセットです。当データセットは、24の物体カテゴリをカバーする26,671の3Dモデルにわたる573,585の部品インスタンスから構成されています。このデータセットは形状解析、動的3Dシーンモデリングとシミュレーション、機能解析などの多くのタスクを可能にし、それらを推進する触媒となります。当データセットを使用して、3D部品認識の評価のために微細な意味分割（fine-grained semantic segmentation）、階層的な意味分割（hierarchical semantic segmentation）、およびインスタンス分割（instance segmentation）という3つのベンチマークタスクを設定しました。微細な意味分割については最先端の3D深層学習アルゴリズム4つをベンチマークし、階層的な意味分割については3つのベースライン手法をベンチマークしました。また、部品インスタンス分割用の新しい手法を提案し、既存手法よりも優れた性能を示しています。