/ Модель

Характеристики

Лицензия
Своя лицензия
Библиотека
pytorch
Опубликована
17 сен 2026

recon3d-resnet18

Языковая модель3 профессии

ResNet-18 с MLP-декодером восстанавливает облако из 2 048 3D-точек по силуэту объекта из одной из шести категорий ShapeNet.

45скачиваний за 30 дней0лайковвеса обновлены17 сен 2026

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Punith25/recon3d-resnet18 — модель компьютерного зрения на PyTorch для восстановления трёхмерного облака точек по одному силуэту объекта. Она использует ResNet-18 как энкодер и MLP-декодер, выдающий 2 048 точек в нормализованной системе координат. Модель дообучена на синтетических изображениях ShapeNet для шести категорий: самолёты, винтовки, скамейки, шкафы, стулья и столы.

Модель предназначена для исследовательских экспериментов и демонстраций: на вход подаётся силуэт размером 224×224, объект должен быть примерно по центру, а результатом становится геометрическая форма без цвета и текстуры. Обучение с функцией Chamfer distance даёт лучшие результаты на категориях обучения, тогда как для новых категорий качество заметно снижается; тонкие детали и неоднозначность передней и задней сторон также могут приводить к ошибкам. Для фотографий требуется предварительно получить маску объекта. Метаданные указывают лицензию «other»; README не приводит конкретных условий лицензирования.

Сценарии применения

  • восстановление 3D-облака точек самолёта по силуэту
  • создание приблизительной 3D-формы стула или стола по изображению-маске
  • эксперименты по реконструкции объектов из одного ракурса
  • демонстрация восстановления 3D-формы на категориях ShapeNet
  • оценка того, насколько входной силуэт похож на обучающие примеры

Ограничения

Модель обучена только на шести категориях ShapeNet и плохо обобщает на другие объекты; фотографии требуют предварительного выделения маски. Она не восстанавливает цвет и текстуру, может терять тонкие детали и не предназначена для измерений, задач безопасности или коммерческого использования.

Для каких профессий подходит3

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

recon3d: single-view silhouette to 3D point cloud

A ResNet-18 encoder and an MLP decoder that turn one 224x224 silhouette into 2,048 (x, y, z) points. Trained with Chamfer distance on six ShapeNet categories: airplane, rifle, bench, cabinet, chair, table.

Code, training pipeline and tests: https://github.com/Punithb2/recon3d

Intended use

Research and demonstration. Input: a silhouette (white object on black, or a dark object on a light background) of an object from one of the six training categories, roughly centred. Output: a point cloud in a normalised frame (bounding-box centre at the origin, diagonal = 1, Y up). Not for measurement, safety-relevant or commercial use.

How to use

from recon3d.hub import load_from_hub
from recon3d.data import preprocess
import torch

b = load_from_hub("Punith25/recon3d-resnet18", revision="<tag>")
sil = torch.zeros(1, 224, 224, dtype=torch.uint8)      # your silhouette, uint8 [1, H, W]
with torch.no_grad():
    feats = b.model.embed(preprocess(sil))
    points = b.model.decode(feats)[0]                # [2048, 3]
familiar = not b.detector.is_ood(feats.numpy())[0]

Training

  • Data: airplane, rifle, bench, cabinet, chair, table; 1,000 training meshes per category, 24 rendered views each (azimuth every 45 deg, elevation -30/0/30 deg). Targets: 8,192 area-weighted surface samples per mesh.
  • Recipe: linear probe (frozen ImageNet encoder), then fine-tuning of layer3 + layer4 (decoder lr 0.0003, encoder lr 0.0001, batch 64, 40 epochs, cosine schedule, mixed precision, scale/shift augmentation) on a free Kaggle T4.
  • Checkpoint: epoch 36 (lowest validation CD x1000: 1.429).

Evaluation

CD = squared-L2 Chamfer distance x1000 (2,048 vs 2,048 points, both directions). F@1% / F@2% = F-score at 1% / 2% of the bounding-box diagonal. Every test mesh is evaluated from all 24 views. Retrieval = copying the training shape whose image features are closest (a strong baseline).

Trained categories (test split)

categoryCD (model)CD (retrieval)F@1%F@2%
rifle0.6231.3730.4550.845
airplane0.6351.5070.5120.845
bench1.1642.0440.2790.705
cabinet1.4542.6100.1150.516
table1.5303.6310.2000.609
chair1.9553.5800.1030.464
all1.2272.4580.2770.664

Categories never seen in training

Evaluated on 1,140 meshes from loudspeaker, bathtub, bus, guitar, telephone, laptop.

categoryCD (model)CD (retrieval)flagged as unfamiliar
loudspeaker5.0139.96013%
bathtub5.7049.09813%
telephone6.63517.44916%
laptop9.96118.75541%
guitar18.74863.08062%
bus44.90369.43614%
all unseen15.43431.95626%

Error on unseen categories is about 12.6x higher than on trained ones (F@1% 0.041 vs 0.277). The model does not generalise to new categories; it produces shapes that resemble its training categories.

Unfamiliar-input warning

ood_detector.npz holds image features of 48,000 training images. An input is flagged when 1 - (highest cosine similarity) exceeds 0.1045, a threshold that passes 95% of trained-category validation images.

  • AUROC trained-test vs unseen: 0.769; flags 26% of unseen images and 4% of trained-category test images.
  • Per category AUROC: loudspeaker 0.59, bathtub 0.70, telephone 0.75, bus 0.79, laptop 0.90, guitar 0.93.
  • The score correlates with reconstruction error (Spearman 0.58), but it measures how unfamiliar the image looks, not how hard the 3D shape is. Objects whose silhouettes resemble training objects can pass unflagged and still be reconstructed badly.

Limitations

  • Six categories only; anything else is reconstructed poorly (see above).
  • Silhouettes only: no colour or texture, so front/back ambiguities remain.
  • Chamfer training favours averaged, slightly blurred shapes; thin parts are the first to suffer.
  • Trained on clean synthetic renders; photos need a good object mask first.

Data and licence

Trained on renders of ShapeNet models. ShapeNet is available for non-commercial research under its terms of use, so these weights are shared for research and demonstration only. The training data is not redistributed here.

Provenance

  • recon3d 0.1.0, run finetune_resnet18_n1000, exported 2026-09-17 20:56:59
  • weights sha256 6ca643326b3c0ea02505452e2014bfa71f5e611fc068894790fdbd643b03dafa
  • source checkpoint sha256 f82a1f33f8934f216c85d9d7d03c19646a4e13826eae2e386fe1c337f6a088ab

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм · pytorch

Нельзя запустить

3D-генерация пока не поддерживается.

Ревизия весов
3129b37

0 моделей