PointNet
Brak oszacowania
Brak wymagań sprzętowych dla tego modelu
Wagi dla tego modelu nie zostały opublikowane, więc nie można ich pobrać ani uruchomić na własnym sprzęcie w żadnym rozmiarze. Jest dostępny tylko za pośrednictwem swojego dostawcy, a zmiana karty graficznej tego nie zmienia..
Na nagranie
Pełna specyfikacja
Wszystko na rekord dla tego modelu. Większość z tego opisuje, jak był trenowany, a nie jak działa — użyteczny kontekst do oceny, ile pracy włożono w to, i jak wypada w porównaniu z modelami budowanymi w innym skali..
Pochodzenie
Kto zbudował ten model, gdzie i kiedy został opublikowany.
- Organizacja
- Stanford University
- Typ organizacji
- Academia
- Kraj
- United States of America
- Opublikowany
- 2 December 2016
- Autorzy
- CR Qi, H Su, K Mo, LJ Guibas
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- 3D modeling
- Zadanie
- 3D segmentation
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- Dane treningowe
- 9,843 tokens
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Dlaczego to jest śledzone
- Highly cited
- Zapisz pewność
- Unknown
- Cytaty
- 17,492
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation
- Ostatnio zaktualizowane
- 25 May 2026
Co oznaczają liczby
Skąd to pochodzi
PointNet został opublikowany przez Stanford University, w kraju zapisanym jako United States of America, podczas December 2016. Organizacja publikująca jest klasyfikowana jako academia.
Działa w dziedzinie 3D modeling, i jest zapisany jako wykonujący zadanie 3D segmentation.
Jego wagi nigdy nie zostały opublikowane, więc można go osiągnąć tylko przez jego dostawcę. Żaden procesor graficzny tego nie zmieni.
Jak to zostało wytrenowane
Zbiór treningowy trwał około 9,843 Tokeny tekstu.
Powód, dla którego w ogóle pojawia się w tym katalogu: highly cited.
Odpowiedzi
PointNet — częste pytania
PointNet— czy jest open weight?
Licencja nigdy nie została zarejestrowana w naszych danych źródłowych. Traktujemy niewskazaną licencję jako zamkniętą, ponieważ niezarejestrowana licencja nie jest na którą można polegać.
PointNet— ile ma parametrów?
Nie opublikowano liczby parametrów, dlatego na tej stronie nie pojawia się żaden wskaźnik pamięci ani prędkości.
PointNet— kto to stworzył?
Zostało opublikowane przez Stanford University, oparty na United States of America, organizacja sklasyfikowana jako academia.
PointNet— kiedy to zostało wydane?
Zostało opublikowane w December 2016. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
PointNet— do czego to służy?
Działa w dziedzinie 3D modeling, i jest zarejestrowany jako realizujący zadanie 3D segmentation. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.
PointNet— Jaką GPU potrzebuję, aby ją uruchomić?
Żaden. To jest zamknięty model — jego wagi nigdy nie zostały opublikowane, więc nie można go pobrać ani uruchomić na własnym sprzęcie za żadną cenę. Jest dostępny tylko przez jego dostawcę.
Druga strona
Patrząc na to z drugiej strony?
Ta strona zaczyna się od modelu. Jeśli już posiadasz kartę i chcesz wiedzieć, co wszystko będzie działać., Zacznij od sprzętu zamiast.