LL3DA 项目使用教程
2024-09-26 07:38:44作者:温艾琴Wonderful
1. 项目介绍
LL3DA 是一个大型语言 3D 助手,能够响应复杂 3D 环境中的视觉和文本交互。该项目在 CVPR 2024 中被接受,旨在通过点云作为直接输入,帮助大型多模态模型(LMM)更好地理解人类交互,并消除 3D 场景中的模糊性。LL3DA 在 3D 密集标注和 3D 问答任务中表现出色,超越了多种 3D 视觉语言模型。
2. 项目快速启动
环境设置
首先,确保你的环境满足以下要求:
- CUDA 11.6
- Python 3.8.16
安装必要的依赖包:
pip install h5py scipy cython plyfile 'trimesh>=2.35.39,<2.35.40' 'networkx>=2.2,<2.3' 'torch==1.13.1+cu116' 'transformers>=4.37.0'
然后,从源码构建 pointnet2
和加速的 giou
:
cd third_party/pointnet2
python setup.py install
cd utils
python cython_compile.py build_ext --inplace
下载预训练嵌入
从 Hugging Face 下载预处理的 BERT 嵌入权重,并存储在 /bert-base-embedding
文件夹中。
数据准备
下载和准备 ScanNet 3D 数据
按照以下步骤下载 ScanNetV2 数据集:
cd data/scannet/
python batch_load_scannet_data.py
准备语言标注
下载并预处理 ScanRefer、Nr3D、ScanQA 和 3D-LLM 数据集,并组织文件结构如下:
/data/
ScanRefer/
ScanRefer_filtered_train.json
ScanRefer_filtered_train.txt
ScanRefer_filtered_val.json
ScanRefer_filtered_val.txt
Nr3D/
nr3d_train.json
nr3d_train.txt
nr3d_val.json
nr3d_val.txt
ScanQA/
ScanQA_v1.0_test_w_obj.json
ScanQA_v1.0_test_wo_obj.json
ScanQA_v1.0_train.json
ScanQA_v1.0_val.json
3D_LLM/
3d_llm_embodied_dialogue_filtered_train.json
3d_llm_embodied_dialogue_filtered_val.json
3d_llm_embodied_planning_filtered_train.json
3d_llm_embodied_planning_filtered_val.json
3d_llm_scene_description_train.json
3d_llm_scene_description_val.json
训练模型
使用以下命令训练 3D 通用模型:
bash scripts/opt-1.3b/train_generalist.sh
3. 应用案例和最佳实践
3D 密集标注
在 ScanRefer 和 Nr3D 数据集上进行微调:
bash scripts/opt-1.3b/tuning_scanrefer.sh
bash scripts/opt-1.3b/tuning_nr3d.sh
3D 问答
在 ScanQA 数据集上进行微调:
bash scripts/opt-1.3b/tuning_scanqa.sh
开放词汇对象检测
微调模型以预测边界框:
bash scripts/opt-1.3b/tuning_ovdet.sh
4. 典型生态项目
相关项目
- ScanNet: 一个大规模的 3D 室内场景数据集,用于训练和评估 3D 视觉模型。
- Hugging Face Transformers: 提供预训练的语言模型,如 BERT,用于文本处理。
- PointNet++: 一个用于处理点云数据的深度学习框架。
通过这些生态项目,LL3DA 能够更好地理解和处理复杂的 3D 环境,提供更强大的视觉和文本交互能力。
热门项目推荐
- CangjieCommunity为仓颉编程语言开发者打造活跃、开放、高质量的社区环境Markdown6690
- redis-sdk仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。Cangjie32226
- Yi-CoderYi Coder 编程模型,小而强大的编程助手305
- qwerty-learner为键盘工作者设计的单词记忆与英语肌肉记忆锻炼软件 / Words learning and English muscle memory training software designed for keyboard workersTypeScript15.77 K1.48 K
- advanced-javaAdvanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。JavaScript76.1 K19.07 K
- taro开放式跨端跨框架解决方案,支持使用 React/Vue/Nerv 等框架来开发微信/京东/百度/支付宝/字节跳动/ QQ 小程序/H5/React Native 等应用。 https://taro.zone/TypeScript35.51 K4.79 K
- CommunityCangjie-TPC(Third Party Components)仓颉编程语言三方库社区资源汇总252
- Wwindows暂无简介Shell16.14 K1.35 K
- byzer-langByzer(以前的 MLSQL):一种用于数据管道、分析和人工智能的低代码开源编程语言。Scala1.88 K551
- AanacondaAnaconda turns your Sublime Text 3 in a full featured Python development IDE including autocompletion, code linting, IDE features, autopep8 formating, McCabe complexity checker Vagrant and Docker support for Sublime Text 3 using Jedi, PyFlakes, pep8, MyPy, PyLint, pep257 and McCabe that will never freeze your Sublime Text 3Python2.22 K263
最新内容推荐
展开
项目优选
收起
CangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
669
0
RuoYi-Vue
🎉 基于SpringBoot,Spring Security,JWT,Vue & Element 的前后端分离权限管理系统,同时提供了 Vue3 的版本
Java
136
18
openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
10
4
redis-sdk
仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。
Cangjie
322
26
advanced-java
Advanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。
JavaScript
75.83 K
19.04 K
qwerty-learner
为键盘工作者设计的单词记忆与英语肌肉记忆锻炼软件 / Words learning and English muscle memory training software designed for keyboard workers
TSX
15.56 K
1.44 K
Jpom
🚀简而轻的低侵入式在线构建、自动部署、日常运维、项目监控软件
Java
1.41 K
292
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手
HTML
30
5
easy-es
Elasticsearch
国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
1.42 K
231
taro
开放式跨端跨框架解决方案,支持使用 React/Vue/Nerv 等框架来开发微信/京东/百度/支付宝/字节跳动/ QQ 小程序/H5/React Native 等应用。 https://taro.zone/
TypeScript
35.34 K
4.77 K