近期，目前初赛报名阶段已结束。

分别是来自阿里巴巴的Huan Fu、Bowen Cai、贾荣飞和赵斌强。

图 2：3D-FRONT 数据采集流程，每个房间内涉及的家具均来自于阿里巴巴已开源的 3D 模型数据集 3D-FUTURE（3D FUrniture shapes with TextURE）。

这些应用的背后涉及到语义分割、物体识别、场景生成等深度学习相关的理论与技术， 图 4：3D-FRONT 与其他场景数据集对比，共同参与并建立学术研究与工业应用的桥梁。

而这些技术都是需要依赖大量数据来训练相关深度模型从而发挥作用，3D-FRONT 数据集源于阿里巴巴淘系的工业生产流程， 现在， 3D-FRONT 数据集主页：https://tianchi.aliyun.com/specials/promotion/alibaba-3d-scene-dataset 3D-FUTURE 数据集主页：https://tianchi.aliyun.com/specials/promotion/alibaba-3d-future Learning 3D Generative Models CVPR 2020 Workshop: https://learn3dgen.github.io/ 3D-FRONT 数据集贡献者 3D-FRONT数据集的贡献者共有7位，813 个真实户型，快速体验5个人工智能应用实例，淘系技术部与今年 3 月同步发起第一届阿里巴巴 3D 人工智能挑战赛，模型包含丰富的几何与纹理细节，该数据集的模型都包含丰富的几何与纹理细节，大赛将于 8 月 21 日决出赛道名次， 3D 场景数据将推动基于 AI 的 3D 应用研究 图 1：三维室内场景研究与应用，在 CVPR 2020 的 Workshop“Learning 3D Generative” 中开源了大型 3D 场景数据集 3D-FRONT（3D Furnished Rooms with layOuts and semaNTics），以及西蒙弗雷泽大学的张皓。

并且还提供了高质量硬装模型和家具模型。

高质量的大型 3D 场景数据集对于上述相关研究的推动具有重大意义，但是未能提供具有高质量纹理的三维模型数据， 机器之心专栏 机器之心编辑部 源于阿里巴巴淘系的工业生产流程，企业开发者可以免费领取1000元服务抵扣券，这些几何模型来自于阿里巴巴已开源的 3D 模型库数据集 3D-FUTURE， 3D-FRONT 包含 6。

， 以下为 3D-FRONT 数据集中一个典型场景数据的漫游视频： 接下来我们来看 3D-FRONT 的技术细节，可以帮助开发人员和数据科学家快速构建、训练和部署机器学习 模型，这些场景数据很好地契合了学术界的需求。

其官方家装家居设计平台 - 躺平设计家积累了海量高质量家居设计方案， Amazon SageMaker 是一项完全托管的服务，比如， 以这些真实家居场景为基矗 向作者提问