tianrun-chen/Reason3D-PyTorch
این پروژه یک چارچوب مبتنی بر PyTorch برای تقسیم‌بندی معنایی در فضای سه‌بعدی با استفاده از گفت‌وگوهای طبیعی ارائه می‌دهد.
کاربرد:
این ابزار به شما امکان می‌دهد تا اشیاء سه‌بعدی را با درک مفهومی و از طریق دستورات لغوی (مثل "قسمت جلویی ماشین" یا "دسته چرخ‌دنده") تشخیص، جداسازی و برچسب‌گذاری کنید.
در چه شرایطی بهتره استفاده شود؟
وقتی با داده‌های 3D مثل پوینت کلود (Point Cloud) کار می‌کنید و نیاز دارید تعامل طبیعی و هوشمندانه با بخش‌های مختلف شیء داشته باشید — مثلاً در رباتیک، واقعیت افزوده یا طراحی صنعتی. ️
چند مثال از موارد استفاده:
- رباتی که دستور "جعبه سیاه رو از پشت میز بیار" رو متوجه و اجرا می‌کنه
- طراحی تعاملی محصول با گفت‌وگوی "این قسمت رو بلندتر کن" ️️
- تجزیه و تحلیل ساختمان با دستور "همه پنجره‌های طبقه دوم"
- ##3D
- ##Natural
- ##Point
- ##PyTorch
- ##Robotics
- ##AR
- ##Semantic
- ##AI
- ##3D
- ##Grounding