PointNet
Aucune estimation
Aucune exigence matérielle pour ce modèle
Les poids de ce modèle n'ont pas été publiés, donc il ne peut pas être téléchargé ou exécuté sur votre propre matériel à aucune taille. Il n'est accessible que par l'intermédiaire de son fournisseur, et aucun changement de carte graphique ne modifie cela..
Enregistrement
Spécifications complètes
Tout est enregistré pour ce modèle. La plupart décrit comment il a été entraîné plutôt que comment il fonctionne — un contexte utile pour juger combien de travail a été investi, et comment il se compare avec des modèles construits à une échelle différente..
Origine
Qui a construit ce modèle, où, et quand il a été publié.
- Organisation
- Stanford University
- Type d'organisation
- Academia
- Pays
- United States of America
- Publié
- 2 December 2016
- Auteurs
- CR Qi, H Su, K Mo, LJ Guibas
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- 3D modeling
- Tâche
- 3D segmentation
Taille
Quelle est la taille du modèle et combien de données il a été formé. Les paramètres sont le chiffre qui décide s'il convient à une carte graphique donnée.
- Données d'entraînement
- 9,843 tokens
Comment il est classé
Étiquettes que le ensemble de données source applique lors du suivi de modèles notables, et à quel point il est confiant dans l'entrée.
- Pourquoi c'est suivi
- Highly cited
- Confiance d'enregistrement
- Unknown
- Citations
- 17,492
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation
- Dernière mise à jour
- 25 May 2026
Ce que les chiffres signifient
D'où cela vient-il
PointNet a été publié par Stanford University, dans le pays enregistré comme United States of America, durant December 2016. L'organisation de publication est catégorisée comme academia.
Il fonctionne dans le domaine de 3D modeling, et est enregistré comme exécutant la tâche de 3D segmentation.
Ses poids n'ont jamais été publiés, donc il ne peut être atteint que par son fournisseur. Aucun changement de carte graphique ne change cela.
Comment il a été entraîné
L'ensemble d'entraînement a duré environ 9,843 jetons de texte
La raison pour laquelle il apparaît dans ce catalogue. highly cited.
Réponses
PointNet — questions courantes
PointNet— est-ce que c'est open source ?
La licence n'a jamais été enregistrée dans nos données source. Nous considérons une licence non déclarée comme fermée, car une licence non enregistrée n'est pas une licence sur laquelle compter.
PointNet— combien de paramètres cela a-t-il ?
Aucun nombre de paramètres n'a été publié pour cela, c'est pourquoi aucun chiffre de mémoire ou de vitesse n'apparaît sur cette page.
PointNet— qui l'a créé ?
Il a été publié par Stanford University, basé sur United States of America, une organisation catégorisée comme academia.
PointNet— quand a-t-il été publié ?
Il a été publié dans December 2016. La capacité par paramètre s'est considérablement améliorée depuis, donc un modèle plus récent de la même taille est souvent le meilleur usage du même matériel.
PointNet— à quoi ça sert ?
Il fonctionne dans le domaine de 3D modeling, et est enregistré comme gérant la tâche de 3D segmentation. Les modèles portent souvent plus d'un de chacun, et les tags décrivent l'objectif plutôt que les limites de capacité.
PointNet— Quelle GPU ai-je besoin pour l'exécuter ?
Aucun. C'est un modèle fermé - ses poids n'ont jamais été publiés, il ne peut donc pas être téléchargé ou exécuté sur votre propre matériel à aucun prix. Il n'est accessible que par son fournisseur.
L'autre direction
Regardez-le de l'autre côté ?
Cette page commence par le modèle. Si vous possédez déjà une carte et souhaitez savoir tout ce qu'elle exécutera., commencez par le matériel à la place.