OpenAnnotate3D

用自然语言自动标注3D数据,省去人工画框

OpenAnnotate3D 是一个面向多模态数据的开放词汇自动标注系统,主要解决 3D 点云、图像等数据人工标注成本高、效率低的问题。它利用视觉-语言模型和开放词汇检测能力,让用户通过自然语言描述目标类别,即可自动生成 3D 边界框或分割标注,无需针对每个新类别重新训练模型。核心能力包括:支持文本提示驱动的零样本标注、多模态数据(如点云与图像)联合处理、可扩展的标注流程,以及面向自动驾驶、机器人感知等场景的 3D 数据标注需求。项目以 Jupyter Notebook 形式提供,便于快速实验和集成到现有标注流水线中,适合研究者和工程师在缺乏标注数据时快速构建训练集。

开源 free 数据集
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 110
维护状态 较活跃
是否开源 是
定价模式 free

项目预览

项目数据

分类数据集
开发团队Fudan-ProjectTitan
所属国家
官网地址
定价模式free
价格说明开源免费,需自行部署
访问状态
是否开源是
开源协议
主要语言Jupyter Notebook
技术栈/模型
GitHub 星标★ 110
30天Star增速
HF 下载量
上线时间2023-09-16 00:00:00
代码更新—
仓库体积—
本站数据更新—
维护状态较活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-10-06
浏览次数0

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

正在加载星标数据…

技术标签

使用教程

—

核心亮点

  • 支持开放词汇,无需预定义类别即可标注新物体
  • 结合多模态信息,提升3D标注的准确性和鲁棒性
  • 以 Notebook 交付,上手快,方便二次开发和实验

不足之处

  • 项目早期,星标仅110,社区生态和文档完善度有限
  • 依赖视觉-语言大模型,推理资源消耗较高,实时性待验证

适用场景

  • 自动驾驶场景中快速标注激光雷达点云中的车辆、行人等目标
  • 机器人感知训练时,用文本描述自动生成3D场景标注数据
  • 学术研究中,为多模态数据集构建零样本标注基线

替代项目

SUSTechPOINTS、OpenPCDet、LabelCloud

项目介绍

OpenAnnotate3D 是数据集领域的开源项目,由 Fudan-ProjectTitan 开发,2023 年首次发布。

它收录于数据集分类,该分类目前共有 297 个项目,GitHub 星标数为 110。

项目保持着较活跃的维护节奏,最近一次代码更新于 2026-09-28。开源免费,需自行部署。

它主要面向的使用场景是:自动驾驶场景中快速标注激光雷达点云中的车辆、行人等目标。同类可对比的替代方案包括 SUSTechPOINTS、OpenPCDet、LabelCloud。

上一篇:synthoseis

下一篇:没有了!

同类项目推荐

X-AnyLabeling 开源

一站式AI辅助标注,图像视频文本通吃,导出格式随心配

X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···

★ 10597 2026-08-10
aisheets 开源

像用表格一样批量调 AI,不写代码就能造和改数据集

Build, enrich, and transform datasets using AI models with no code

★ 1648 2026-09-20
DataGen 开源

用大模型一键生成定制化训练数据,告别数据荒

[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models

★ 69 2026-08-09
distilabel 开源

基于论文的合成数据流水线,快速生成高质量 AI 反馈数据。

Distilabel is a framework for synthetic data and AI feedback for engineers who need ···

★ 3408 2026-08-10