3D行业市场分析.pdfVIP

3D行业市场分析

一、文生2D复盘：“千万级数据和亿级数据”是关键

2D模型数据量变大，涌现能力出现

涌现能力的定：在小模型中没有表现出来，但是在大模型中变现出

来的能力。涌现能力大概可以分为两种：通过提示就可以激发的涌现

能力和使用经过特殊设计的prompt激发出的新的能力。无论哪种涌

现能力，当模型规模超过一个临界值时，效果会马上提升。以LeNet

和AE为例，涌现能力在CV计算机视觉任务中也有所体现。LeNet

是由YannLecun(2018年图灵奖得主创造，其在手写体字符识别领

域创造性引入卷积神经网络，是CNN的发展起点，通过观察LeNet

在MNIST21上训练的结果，随着模型参数的增加，测试精度显示出

不可预测的大幅增长；而在CIFAR100图像数据集上训练的自编码器

(AE)随着模型参数的增加显示陡峭的均方重建误差变化。

扩散模型领先于GAN、自回归模型

扩散模型(diusionmodels)成为2D生成模型中主流模型，逐渐领

先于GAN、自回归模型，显著提高了图像生成的稳定性、准确性和

多样性。并且扩散模型在诸多应用领域都有出色的表现，如计算机视

觉，NLP、波形信号处理、多模态建模、分子图建模、时间序列建模、

对抗性净化等。

ImageNet：首个千万级别2D数据集，借助众包平台完成

ImageNet数据集09年发布，目前包含约1500万张标注图像。

ImageNet数据集由斯坦福大学教授李飞飞牵头从2007年开始收集

建立。2009年发布时包含有320万张图像，是当时最大的2D图像

数据集。经过发展，ImageNet数据集已拥有22000类约1500万张

标注图像。ImageNet来源于网络图像，借助众包平台

（MechanicalTurk）完成。数据集的大量图像数据来自于日益增长的

网络平台，考虑到手动标注工作的大量人力需求，研究团队借助于

MechanicalTurk亚（马逊开发的众包平台）完成这项工作。

多个重量级算法诞生于ImageNet数据集

基于ImageNet的比赛ILSVRC每年举办一次，从2010年开始举行,

2017年后的比赛由Kaggle社区主持。比赛逐渐成全球大型赛事,

2016年有172个作品参赛。短短7年内，分类领域的错误率就从0.28

降到了0.03。以扩散模型基准，ILSVRC冠军算法中AlexNet（12

年）、GoogleNet（14年）、ResNet（15年）、SENet（17年）等

算法均超过扩散模型的影响力（以年均被引用量表示算法影响力）。

比赛的历年优胜者中，诞生了基于ImageNet训练的AlexNet、VGG

（2014年定位比赛冠军）、GoogleNet等经典的深度学习网络模型。

冠军算法历年的测试错误率在6年间从15%下降到2%,极大地推动

了计算机视觉领域的发展。

LAION：破亿数据集出现，模型落地离不开亿级数据

LAION拥（有全球成员的非营利组织）在2021年公布的LAION-400M

是当时最大的公开图文数据集,22年10月发布的LAION-5B是上一

版本的14倍。网络爬虫带来数亿级别公有数据集。LAION的收集使

用加州非营利组织CommonCrawl收集到的代码来定位网络上的图

片，并将它们与描述性文本关联起来，对人工的依赖性很小。上亿数

据集成图像训练模型成熟应用的必要条件。LAION的数据集已经

被用于文生图的生成器，包括谷歌Imagen和StableDiusiono同时•,

其他已落地图像生成应用的国内外公司均是在上亿级别的2D图像数

据集进行模型训练取得满意效果。

二、3D研究框架：已破千万级数据集，OpenUSD加速数据集扩张

3D发展研究框架

OpenUSD统一数据表现形式和文件格式，提供3D发展加速度。3D

数据集数据记录形式多样，包含点云、体素等，以往模型往往针对不

同形式有不同的算法；同时，3D数