Redian新闻
>
ICLR 2024 | 高分工作!Uni3D:3D基础大模型,刷新多个SOTA!

ICLR 2024 | 高分工作!Uni3D:3D基础大模型,刷新多个SOTA!

公众号新闻

点击下方卡片,关注“CVer”公众号

AI/CV重磅干货,第一时间送达

点击进入—>【CV技术和求职】交流群

扫码加入CVer学术星球可以获得最新顶会/顶刊上的论文ideaCV从入门到精通资料,以及最前沿项目和应用!发论文搞科研,强烈推荐!

作者:周俊昇 | 已授权CVer转载(源于知乎)

https://zhuanlan.zhihu.com/p/678856210

我们近期的工作:3D视觉大模型Uni3DICLR 2024的评审中获得了688分,被选为Spotlight Presentation

在本文中,我们第一次将3D基础模型成功scale up到了十亿(1B)级别参数量,并使用一个模型在诸多3D下游应用中取得SoTA结果。代码和各个scale的模型(从6M-1B)均已开源,欢迎大家关注和使用:

论文:https://https://arxiv.org/pdf/2310.06773

代码:https://https://github.com/baaivision/Uni3D

我们主要探索了3D视觉中scale up模型参数量和统一模型架构的可能性。在NLP / 2D vision领域,scale up大模型(GPT-4,SAM,EVA等)已经取得了很impressive的结果,但是在3D视觉中模型的scale up始终没有成功。我们旨在将NLP/2D中scale up的成功复现到3D表征模型上。

在这项工作中,我们提出了一个3D基础大模型Uni3D,直接将3D backbone统一为ViT(Vision Transformer),以此利用丰富和强大的2D预训练大模型作为初始化。Uni3D使用CLIP模型中的文本/图像表征作为训练目标,通过学习三个模态的表征对齐(点云-图像-文本)实现3D点云对图像和文本的感知。同时,通过使用ViT中成功的scale up策略,我们将Uni3D逐步 scale up,训练了从Tiny到giant的5个不同scale的Uni3D模型,成功地将Uni3D扩展到10亿级别参数。

Uni3D模型不同scale下的参数量和zero-shot分类结果

Uni3D在多个3D任务上达到SoTA,如:zero-shot classification, few-shot classification,open-world understanding, open-world part segmentation.

Zero-shot classification

Real-world zero-shot recognition

由于学到了强大的多模态表征能力,Uni3D还能够做一些有意思的应用,如point cloud painting(点云绘画),text/image-based 3D shape retrieval(基于图像/文本的3D模型检索),point cloud captioning(点云描述):

Point cloud painting

Image-based 3D shape retrieval

Text-based 3D shape retrieval

Point cloud captioning.

在CVer微信公众号后台回复:论文,即可下载论文pdf和代码链接!快学起来!

点击进入—>【CV技术和求职】交流群

3D视觉交流群成立

扫描下方二维码,或者添加微信:CVer444,即可添加CVer小助手微信,便可申请加入CVer-3D视觉微信交流群。另外其他垂直方向已涵盖:目标检测、图像分割、目标跟踪、人脸检测&识别、OCR、姿态估计、超分辨率、SLAM、医疗影像、Re-ID、GAN、NAS、深度估计、自动驾驶、强化学习、车道线检测、模型剪枝&压缩、去噪、去雾、去雨、风格迁移、遥感图像、行为识别、视频理解、图像融合、图像检索、论文投稿&交流、PyTorch、TensorFlow和Transformer、NeRF等。


一定要备注:研究方向+地点+学校/公司+昵称(如3D视觉+上海+上交+卡卡),根据格式备注,可更快被通过且邀请进群

▲扫码或加微信号: CVer444,进交流群


CVer计算机视觉(知识星球)来了!想要了解最新最快最好的CV/DL/AI论文速递、优质实战项目、AI行业前沿、从入门到精通学习教程等资料,欢迎扫描下方二维码,加入CVer计算机视觉(知识星球),已汇集近万人!


扫码加入星球学习


▲点击上方卡片,关注CVer公众号

整理不易,请点赞和在看

微信扫码关注该文公众号作者

戳这里提交新闻线索和高质量文章给我们。
相关阅读
最佳开源模型刷新多项SOTA,首次超越Mixtral Instruct!「开源版GPT-4」家族迎来大爆发LLaMA2+RLHF=脆皮大模型?ICLR 2024高分投稿:多样性驱动的红蓝对抗2024 rav4 油车 le四驱Runner’s Tradition——2024 OpeningICLR 2024 | LLM Agent领域第一高分论文,全网Star数最高的多智能体框架Strong start 2024ICLR 2024 | Adobe提出DMV3D:3D生成只需30秒!让文本、图像都动起来的新方法!计算机视觉GPT时刻!UC伯克利三巨头祭出首个纯CV大模型,推理惊现AGI火花联合语言和视觉的力量,复旦团队发布全新多专家融合视觉-语言大模型伦敦2月UNCLE合租,仅£369/周;适合UCL/LSE/KCL的Studio仅£304/周;转租更便宜! (1月22日更新)港澳上新多个艺术专业!现在赶24秋季入学,还来得及!!最强开源多模态生成模型MM-Interleaved:首创特征同步器,刷新多项SOTA刷新多个SOTA!北大提出Video-LLaVA:超强视频语言大模型!今日Arxiv最热NLP大模型论文:Meta自我奖励模型超越人类反馈限制,刷新AlpacaEval 2.0排行榜360安全大模型3.0来了!垂直大模型,他们这么训Agent像人一样分工协作,还能“群聊”交换信息|ICLR2024 Oral【美坛综艺秀假日篇】Best wishes for 2024!ICLR 2024|把图像视为外语,快手、北大多模态大模型媲美DALLE-3New Year's fireworks 2024 LIVE: NYC's Times Square ball drop桃花依旧笑春风Stability AI开源上新:3D生成引入视频扩散模型,质量一致性up,4090可玩提前对齐,视频问答新SOTA!北大全新Video-LLaVA视觉语言大模型,秒懂视频笑点3个金奖、n个实践...拿到24Fall牛津offer的他们,刷新了课外背提“卷”门极限?多模态LLM多到看不过来?先看这26个SOTA模型吧小学好同学,白血病超越 GPT-4V 和 Gemini Pro!HyperGAI 发布最新多模态大模型 HPT,已开源AI早知道|百度推出视频生成模型UniVG;Soul APP上线自研语言大模型;清华大学首个大模型 Debug54、长篇民国小说《永泰里》第十一章 铁蹄之下(3)ICLR 2024 | 媲美DALLE-3!基座模型LaVIT刷榜多模态理解与生成任务央企第一家:中国电信开源星辰语义大模型,共享超1T高质基础数据Agent触摸汉堡辨冷热,首次拥有类人感官!UCLA等发布3D多模态交互具身智能大模型台湾政坛上新的两位女将· 蓝白合破局倒计时《感恩》&《忘不了的温存》刷新多个SOTA!腾讯优图提出统一模态新架构UniM-OV3D:3D开放词汇场景理解ICLR 2024 | 机器人领域首个开源视觉-语言操作大模型!RoboFlamingo框架激发开源VLMs更大潜能北大最新多模态大模型开源:在混合数据集上训练,无需修改直接用到图像视频任务千元成本搞定专业大模型,系统优化+开源大模型是关键 | 潞晨卞正达@MEET2024央企第一家:中国电信开源星辰语义大模型,共享超1T 高质基础数据巧解「数据稀缺」问题!清华开源GPD:用扩散模型生成神经网络参数|ICLR 2024EMNLP 2023 | 阅读顺序很重要:蚂蚁联合复旦提出全新多模态文档信息抽取模型
logo
联系我们隐私协议©2024 redian.news
Redian新闻
Redian.news刊载任何文章,不代表同意其说法或描述,仅为提供更多信息,也不构成任何建议。文章信息的合法性及真实性由其作者负责,与Redian.news及其运营公司无关。欢迎投稿,如发现稿件侵权,或作者不愿在本网发表文章,请版权拥有者通知本网处理。