阿里3D AI挑战赛落幕,2D照片10秒“升级”成3D模型

简介: 8月26日,首届阿里巴巴3D AI挑战赛落下帷幕。本届挑战赛共有1258支队伍报名参赛,三个赛道冠亚季军获奖名单出炉(文章底部查阅获奖名单),颁奖典礼将于Alibaba 3D Artificial Intelligence Challenge Workshop (IJCAI-PRICAI2020) 进行。

滚动.gif

8月26日,首届阿里巴巴3D AI挑战赛落下帷幕。本届挑战赛共有1258支队伍报名参赛,三个赛道冠亚季军获奖名单出炉(文章底部查阅获奖名单),颁奖典礼将于Alibaba 3D Artificial Intelligence Challenge Workshop (IJCAI-PRICAI2020) 进行。

同时,阿里巴巴淘系技术部开源的3D-FUTURE数据集受到了业界的广泛赞许与青睐。海内外知名院校和机构,包括斯坦福、UC伯克利、帝国理工、苏黎世理工、加利福尼亚大学、苹果、Facebook、清华、北大等,已开始就3D-FUTURE数据集开展相关学术研究。

image.png

基于阿里开源的业界首个工业级大型3D家具数据集3D-FUTURE,**“3D机器建模技术”可实现高质量高效率的3D建模,未来有望在保证工业级质量前提下,将建模时间从3小时骤降到10秒,并降低9成建模成本。
**
image.png

阿里开源的3D家具数据集3D-FUTURE中的家具示意图

3D模型是未来数字化与智能化的基础,但3D建模成本高、效率低,设计师通常需1~3小时才能完成单个物体的手工建模。本次大赛旨在利用3D AI技术破解产业难题,共吸引1258支队伍参加,选手们在阿里开源的3D-FUTURE数据集基础上,通过深度学习技术,让AI在10秒内完成3D建模。

大赛其中一条赛道“基于单张图的3D模型重建”,需参赛队伍对2D照片中的家具进行3D重建,是设计师常见工作之一。来自Zhongjun Wu等人提出的新方法,能根据照片迅速给出3D建模结果,与设计师人工建模匹配度最高,并以79.01分的成绩夺冠。通常重建一个3D模型成本在300~500元,通过3D AI技术,可迅速批量重建3D模型,业内估计将降低9成建模成本。

image.png

图为3D建模对比图,分别为输入图片,设计师模型,机器重建模型

阿里巴巴淘系技术资深算法专家 乐田表示:“3D重建是3D机器学习的核心,只有在高质量3D数据集支持下,工业级3D AI建模才能满足更大规模的产业需求,技术前景广阔。”阿里3D AI技术已成功应用在淘宝3D购、躺平设计家等场景中,未来还可应用于自动驾驶、VR、AR等领域,将大大提高人机互动、线上商城、室内设计等场景的精确度和丰富度。

image.png

三维重建是目前的研究核心与趋势,也是打造未来数字化世界的基础。然而,高精度三维重建还停留在研究初期阶段,尤其在家居行业的工业落地困难重重。阿里作为互联网领军者之一,期望为3D家居高精度重建,叩响工业界的大门,开启智能家居设计的崭新时代,为未来的家居设计提供更加便捷,高效的解决方案,以革新家居生活新体验。

此次竞赛总结了业界最先进的高校建模方案,探索并驱动了3D重建工业界建模的方法研究。AI技术将会百倍级压缩建模时间,大大简化家居设计时间,为未来降低工业设计成本,提高客户体验感提供新方向。在数据为王的时代,业界此前并没有高质量3D家居开源数据集,这极大制约了学术及工业界在3D高精度重建方面的研究发展。此次,阿里巴巴淘系技术部开源了3D-FUTURE数据集,共包含20,000+高清室内场景专业设计渲染图,与10,000+工业在用的高精度3D家具模型,以及信息丰富的高清纹理和属性标签,让数据驱动的工业级3D建模成为可能。该数据集拥有少见的高清纹理,几何细节丰富的模型、以及丰富的类别属性。一经发布,就吸引了斯坦福大学、加州大学伯克利分校、清华大学、香港中文大学等高校及苹果、Facebook等企业,在该数据集基础上开展学术和应用的前沿研究。我们将持续维护,完善,提升,并扩充该数据集。

3D-FUTURE数据集主页:
https://tianchi.aliyun.com/specials/promotion/alibaba-3d-future

2020阿里巴巴 3D AI 挑战赛获奖名单如下:

// 赛道一 reconstruction
image.png

// 赛道二 retrieval
image.png

// 赛道三 segmentation
image.png

关注「淘系技术」微信公众号,一个有温度有内容的技术社区~
image.png

相关文章
|
6月前
|
云安全 人工智能 自然语言处理
阿里云x硅基流动:AI安全护栏助力构建可信模型生态
阿里云AI安全护栏:大模型的“智能过滤系统”。
2346 120
|
6月前
|
人工智能 搜索推荐 程序员
当AI学会“跨界思考”:多模态模型如何重塑人工智能
当AI学会“跨界思考”:多模态模型如何重塑人工智能
785 120
|
7月前
|
机器学习/深度学习 人工智能 自然语言处理
AI Compass前沿速览:Qwen3-Max、Mixboard、Qwen3-VL、Audio2Face、Vidu Q2 AI视频生成模型、Qwen3-LiveTranslate-全模态同传大模型
AI Compass前沿速览:Qwen3-Max、Mixboard、Qwen3-VL、Audio2Face、Vidu Q2 AI视频生成模型、Qwen3-LiveTranslate-全模态同传大模型
983 13
AI Compass前沿速览:Qwen3-Max、Mixboard、Qwen3-VL、Audio2Face、Vidu Q2 AI视频生成模型、Qwen3-LiveTranslate-全模态同传大模型
|
6月前
|
消息中间件 人工智能 安全
云原生进化论:加速构建 AI 应用
本文将和大家分享过去一年在支持企业构建 AI 应用过程的一些实践和思考。
1493 62
|
7月前
|
人工智能 安全 中间件
阿里云 AI 中间件重磅发布,打通 AI 应用落地“最后一公里”
9 月 26 日,2025 云栖大会 AI 中间件:AI 时代的中间件技术演进与创新实践论坛上,阿里云智能集团资深技术专家林清山发表主题演讲《未来已来:下一代 AI 中间件重磅发布,解锁 AI 应用架构新范式》,重磅发布阿里云 AI 中间件,提供面向分布式多 Agent 架构的基座,包括:AgentScope-Java(兼容 Spring AI Alibaba 生态),AI MQ(基于Apache RocketMQ 的 AI 能力升级),AI 网关 Higress,AI 注册与配置中心 Nacos,以及覆盖模型与算力的 AI 可观测体系。
1392 69
|
6月前
|
人工智能 运维 Kubernetes
Serverless 应用引擎 SAE:为传统应用托底,为 AI 创新加速
在容器技术持续演进与 AI 全面爆发的当下,企业既要稳健托管传统业务,又要高效落地 AI 创新,如何在复杂的基础设施与频繁的版本变化中保持敏捷、稳定与低成本,成了所有技术团队的共同挑战。阿里云 Serverless 应用引擎(SAE)正是为应对这一时代挑战而生的破局者,SAE 以“免运维、强稳定、极致降本”为核心,通过一站式的应用级托管能力,同时支撑传统应用与 AI 应用,让企业把更多精力投入到业务创新。
680 30
|
6月前
|
设计模式 人工智能 自然语言处理
3个月圈粉百万,这个AI应用在海外火了
不知道大家还记不记得,我之前推荐过一个叫 Agnes 的 AI 应用,也是当时在 WAIC 了解到的。
686 2
|
6月前
|
存储 人工智能 NoSQL
AI大模型应用实践 八:如何通过RAG数据库实现大模型的私有化定制与优化
RAG技术通过融合外部知识库与大模型,实现知识动态更新与私有化定制,解决大模型知识固化、幻觉及数据安全难题。本文详解RAG原理、数据库选型(向量库、图库、知识图谱、混合架构)及应用场景,助力企业高效构建安全、可解释的智能系统。