- 存储库包括Cubify Transformer和CA-1M数据集的公共实现。 - CA-1M数据集包括与每个场景相关的类别无关的3D框注释。 - CA-1M数据集还包括每个捕获帧的“每帧”3D框地面真值。 - CA-1M数据集提供了每个捕获帧的GT姿态和深度。 - CA-1M数据集以WebDataset格式发布。 - 可以使用curl下载数据集中的所有文件。 - 数据集中的文件包括图像、深度图像、实例注释和姿态信息。 - 可以使用rerun进行数据可视化。 - 可以使用CuTR模型进行RGB-D和RGB图像的推理。 - 可以使用NeRF Capture应用程序从自己的设备上捕获图像并进行推理。 - 使用CA-1M或CuTR进行研究时，请引用相应的论文和许可证。 苹果公司的GitHub代码库“ml-cubifyanything”通过发布Cubify Transformer（CuTR）和CA-1M数据集，在室内3D物体检测领域取得了重大进展。这项由苹果公司的研究团队撰写的工作将在CVPR 2025上展示，表明其对计算机视觉研究的相关性和潜在影响。该代码库突出之处在于提供了一个全面的套件，不仅包括模型实现，还包括详细注释的相关数据集，其中包含了类别不可知的3D框和地面真实数据。该数据集特别值得注意的是其详细的注释和包含地面真实姿势和深度信息，这对准确的3D物体检测至关重要。 该代码库旨在用户友好，提供清晰的安装说明，支持可视化，并能够在个人设备捕获的图像上运行模型。CuTR模型与RGB-D和RGB图像的双重兼容性扩大了其应用范围。数据以CC-by-NC-ND许可发布，并要求在研究中使用时进行引用，突显了这项工作对学术界的价值和贡献。对于计算机视觉领域的研究人员和从业者，特别是那些专注于3D物体检测的人，探索这个代码库可能为他们的工作提供有价值的见解和工具。