ScanNet200 3D Semantic Instance Results

The 3D semantic instance prediction task involves detecting and segmenting the object in an 3D scan mesh.

Evaluation and metrics

Similarly to the ScanNet benchmark in ScanNet200 our evaluation ranks all methods according to the average precision for each class. We report the mean average precision AP at overlap 0.25 (AP 25%), overlap 0.5 (AP 50%), and over overlaps in the range [0.5:0.95:0.05] (AP) for all 200 categories. Note that multiple predictions of the same ground truth instance are penalized as false positives.

This table lists the benchmark results for the ScanNet200 3D semantic instance scenario.

Method	avg ap 50%	head ap 50%	common ap 50%	tail ap 50%	chair	table	door	couch	cabinet	shelf	desk	office chair	bed	pillow	sink	picture	window	toilet	bookshelf	monitor	curtain	book	coffee table	box	refrigerator	lamp	kitchen cabinet	towel	clothes	tv	nightstand	counter	dresser	stool	cushion	plant	ceiling	bathtub	end table	dining table	keyboard	bag	backpack	toilet paper	printer	tv stand	whiteboard	blanket	shower curtain	trash can	closet	stairs	microwave	stove	shoe	computer tower	bottle	bin	bench	board	washing machine	mirror	copier	basket	sofa chair	file cabinet	fan	laptop	shower	paper	person	paper towel dispenser	oven	blinds	rack	plate	blackboard	piano	suitcase	radiator	recycling bin	wardrobe	soap dispenser	telephone	bucket	clock	stand	light	laundry basket	pipe	clothes dryer	seat	speaker	column	bicycle	ladder	bathroom stall	shower wall	cup	jacket	storage bin	coffee maker	dishwasher	paper towel roll	machine	mat	windowsill	bar	toaster	bulletin board	ironing board	kitchen counter	doorframe	toilet paper dispenser	mini fridge	fire extinguisher	ball	hat	shower curtain rod	water cooler	paper cutter	tray	ledge	mouse	cart	storage container	scale	tissue box	light switch	power outlet	decoration	sign	projector	vacuum cleaner	candle	plunger	stuffed animal	headphones	dish rack	broom	range hood	water bottle	vent	shower floor	water pitcher	mailbox	bowl	paper bag	music stand	projector screen	laundry detergent	object	bathroom vanity	laundry hamper	bathroom stall door	ceiling light	trash bin	dumbbell	stair rail	tube	bathroom cabinet	closet rod	coffee kettle	structure	shower head	keyboard piano	case of water bottles	coat rack	storage organizer	folded chair	fire alarm	power strip	calendar	poster

DINO3D-Scannet200	0.454 4	0.587 4	0.453 2	0.296 4	0.871 3	0.703 3	0.845 5	0.891 2	0.572 2	0.312 3	0.753 3	0.001 8	0.981 3	0.773 1	0.767 3	0.771 5	0.614 5	0.944 9	0.586 10	0.937 3	0.690 5	0.381 5	0.716 10	0.409 1	0.918 4	0.803 1	0.602 4	0.777 2	0.290 2	0.721 6	0.779 7	0.096 3	0.728 3	0.677 1	0.000 5	0.944 1	0.793 5	1.000 1	0.214 2	0.708 4	0.823 4	0.200 1	0.851 1	0.499 6	1.000 1	0.764 10	0.473 7	0.248 5	1.000 1	0.911 4	0.216 1	0.667 8	0.824 6	0.857 1	0.616 1	0.842 3	0.496 2	0.046 2	0.355 11	0.494 2	0.405 9	0.507 4	1.000 1	0.042 5	0.264 7	0.743 6	0.683 2	0.675 1	0.125 5	0.000 6	0.600 2	0.816 3	0.417 7	0.000 6	0.000 3	0.764 1	0.000 8	0.500 3	0.563 5	0.720 5	0.079 9	0.442 3	0.845 3	0.835 2	0.000 4	0.000 5	0.000 5	0.324 4	0.000 2	0.117 2	0.083 8	0.000 6	0.419 1	0.500 2	1.000 1	0.777 2	0.378 1	0.594 4	0.361 3	0.327 2	0.000 3	0.764 4	0.400 2	0.548 1	0.000 5	0.800 1	0.437 6	0.000 4	0.346 4	0.714 1	0.125 5	0.662 1	0.475 5	0.866 2	0.750 1	0.400 5	0.500 1	0.500 1	1.000 1	0.667 1	1.000 1	0.000 1	0.298 1	0.000 4	0.250 6	0.194 1	0.000 8	0.850 4	0.000 5	0.250 5	0.595 1	0.000 3	0.063 1	0.520 8	0.000 1	0.571 5	0.000 1	0.944 1	0.750 1	0.000 1	0.974 2	0.000 1	0.000 1	0.857 2	0.655 4	0.000 10	0.250 3	0.014 7	0.000 1	1.000 1	0.000 1	0.116 3	0.729 3	0.200 8	0.545 4	0.436 3	0.221 7	0.750 1	0.177 6	0.011 5	0.000 1	0.284 3	0.000 1	0.000 2	0.000 6	0.792 7	0.050 2	0.000 5	0.000 2	0.200 4	0.000 5	0.000 4	1.000 1	0.000 2
Jinyuan Qu, Hongyang Li, Xingyu Chen, Shilong Liu, Yukai Shi, Tianhe Ren, Ruitao Jing and Lei Zhang: SegDINO3D: 3D Instance Segmentation Empowered by Both Image-Level and Object-Level 2D Features. AAAI 2026
AQ3D-ScanNet200	0.491 2	0.675 1	0.458 1	0.308 3	0.907 1	0.712 2	0.846 3	0.860 4	0.596 1	0.305 4	0.796 1	0.328 2	0.955 4	0.768 2	0.662 6	0.925 1	0.666 2	1.000 1	0.754 3	0.919 5	0.824 1	0.459 1	0.804 5	0.307 3	0.929 2	0.698 3	0.648 2	0.737 3	0.310 1	0.764 5	0.896 2	0.049 6	0.778 2	0.576 3	0.160 3	0.879 2	0.832 4	1.000 1	0.077 7	0.023 7	0.829 3	0.153 3	0.823 2	0.517 5	0.667 6	1.000 1	0.498 6	0.371 4	1.000 1	0.934 1	0.005 7	1.000 1	0.831 5	0.778 2	0.551 3	0.754 11	0.258 6	0.025 5	0.564 4	0.458 3	1.000 1	0.521 3	1.000 1	0.833 1	0.347 3	0.991 1	0.473 5	0.434 6	1.000 1	0.071 2	0.428 5	0.868 2	1.000 1	0.333 5	0.133 1	0.000 7	0.533 5	1.000 1	0.671 3	0.765 3	0.534 2	0.664 1	0.818 5	0.698 3	0.083 1	0.009 3	0.000 5	0.431 1	0.000 2	0.147 1	0.667 2	0.029 2	0.172 3	0.250 6	1.000 1	0.737 3	0.104 5	0.713 1	0.362 2	0.319 3	0.004 2	0.489 9	0.600 1	0.083 5	0.563 2	0.400 3	0.923 1	0.500 1	0.716 1	0.605 3	0.500 1	0.506 5	0.530 3	0.750 3	0.658 4	0.318 6	0.500 1	0.000 2	1.000 1	0.333 8	1.000 1	0.000 1	0.105 3	0.000 4	0.500 1	0.000 3	1.000 1	1.000 1	0.000 5	0.141 8	0.026 8	0.000 3	0.000 3	1.000 1	0.000 1	0.640 2	0.000 1	0.517 4	0.750 1	0.000 1	1.000 1	0.000 1	0.000 1	0.714 7	0.667 3	0.479 3	0.167 5	0.667 1	0.000 1	1.000 1	0.000 1	0.074 7	0.834 1	0.517 3	0.444 7	0.073 6	0.433 3	0.438 6	0.281 2	0.083 2	0.000 1	0.553 1	0.000 1	0.000 2	1.000 1	0.917 6	0.000 3	0.056 2	0.000 2	0.200 4	0.141 3	0.000 4	0.250 7	0.000 2

Volt-SPFormer	0.475 3	0.630 3	0.451 4	0.314 2	0.806 6	0.666 6	0.923 1	0.847 5	0.541 4	0.224 5	0.755 2	0.008 6	0.994 1	0.735 3	0.818 2	0.869 3	0.621 4	0.990 8	0.811 2	0.894 6	0.702 4	0.423 4	0.825 2	0.281 4	0.923 3	0.787 2	0.564 6	0.699 4	0.245 4	0.784 3	0.800 5	0.129 2	0.900 1	0.500 7	0.000 5	0.768 3	0.841 3	1.000 1	0.319 1	0.000 8	0.903 1	0.068 6	0.772 3	0.565 2	0.683 5	1.000 1	0.546 3	0.410 1	1.000 1	0.930 2	0.014 5	0.629 10	0.878 2	0.725 4	0.499 4	0.799 7	0.412 3	0.019 6	0.400 7	0.500 1	1.000 1	0.612 1	1.000 1	0.125 3	0.343 4	0.823 4	0.750 1	0.449 5	0.250 4	0.056 3	0.585 3	0.797 4	0.500 4	0.667 2	0.000 3	0.043 6	1.000 1	1.000 1	0.716 1	0.853 1	0.255 4	0.099 6	0.857 2	0.651 5	0.000 4	0.000 5	0.025 2	0.375 3	0.250 1	0.056 5	0.333 6	0.002 5	0.000 7	0.250 6	0.500 5	1.000 1	0.107 4	0.613 3	0.294 5	0.300 5	0.000 3	0.817 3	0.400 2	0.500 2	1.000 1	0.400 3	0.452 5	0.000 4	0.500 3	0.519 6	0.500 1	0.372 6	0.482 4	0.750 3	0.641 5	0.510 3	0.500 1	0.000 2	1.000 1	0.472 4	1.000 1	0.000 1	0.026 5	0.000 4	0.331 5	0.000 3	1.000 1	1.000 1	0.000 5	0.500 1	0.304 3	0.000 3	0.000 3	1.000 1	0.000 1	0.714 1	0.000 1	0.500 5	0.750 1	0.000 1	0.944 4	0.000 1	0.000 1	0.857 2	0.764 2	0.455 4	0.250 3	0.278 4	0.000 1	1.000 1	0.000 1	0.078 5	0.742 2	0.600 1	0.524 6	0.638 1	0.167 9	0.208 10	0.209 4	0.019 4	0.000 1	0.241 5	0.000 1	0.000 2	1.000 1	1.000 1	0.000 3	0.028 4	0.000 2	0.200 4	0.000 5	0.250 1	1.000 1	0.000 2
Kadir Yilmaz, Adrian Kruse, Tristan Höfer, Daan de Geus, Bastian Leibe: Volume Transformer: Revisiting Vanilla Transformers for 3D Scene Understanding.
CompetitorFormer-200	0.415 5	0.574 5	0.370 6	0.274 5	0.885 2	0.584 8	0.846 4	0.779 9	0.318 8	0.205 6	0.704 4	0.400 1	0.987 2	0.651 4	0.731 5	0.830 4	0.682 1	1.000 1	0.599 8	0.957 2	0.685 6	0.428 3	0.806 4	0.196 6	0.870 7	0.641 5	0.600 5	0.583 6	0.183 7	0.780 4	0.833 4	0.095 4	0.663 4	0.538 5	0.021 4	0.540 9	0.845 2	0.903 8	0.103 5	0.083 6	0.881 2	0.054 8	0.632 5	0.311 9	0.745 3	1.000 1	0.545 4	0.378 2	0.933 9	0.832 7	0.015 4	0.684 7	0.748 7	0.700 5	0.562 2	0.869 2	0.218 7	0.064 1	0.885 1	0.243 7	0.794 5	0.484 5	1.000 1	0.000 6	0.289 5	0.758 5	0.482 4	0.452 4	0.000 9	0.015 5	0.286 6	0.759 6	0.663 3	1.000 1	0.000 3	0.380 3	0.250 6	0.500 3	0.491 6	0.622 8	0.213 6	0.131 5	0.877 1	0.602 6	0.000 4	0.005 4	0.008 4	0.209 7	0.000 2	0.089 3	0.399 5	0.000 6	0.160 4	0.500 2	0.500 5	0.144 10	0.260 2	0.347 8	0.443 1	0.207 7	0.000 3	0.724 5	0.400 2	0.125 4	0.083 4	0.317 7	0.462 4	0.083 3	0.565 2	0.587 4	0.500 1	0.648 2	0.551 1	0.750 3	0.508 6	0.018 8	0.500 1	0.000 2	1.000 1	0.667 1	1.000 1	0.000 1	0.142 2	0.000 4	0.500 1	0.000 3	0.125 7	0.489 5	0.000 5	0.500 1	0.269 4	0.000 3	0.050 2	0.625 6	0.000 1	0.581 4	0.000 1	0.677 2	0.467 9	0.000 1	0.694 7	0.000 1	0.000 1	0.820 6	0.071 10	0.215 8	1.000 1	0.103 5	0.000 1	1.000 1	0.000 1	0.132 2	0.410 6	0.327 7	0.541 5	0.232 4	0.292 5	0.261 9	0.186 5	0.157 1	0.000 1	0.216 6	0.000 1	0.056 1	0.250 5	1.000 1	0.000 3	0.082 1	0.000 2	0.400 2	0.025 4	0.000 4	1.000 1	0.000 2

ACGP-ScanNet200	0.494 1	0.656 2	0.453 3	0.345 1	0.771 7	0.746 1	0.864 2	0.831 8	0.484 6	0.344 1	0.687 5	0.035 4	0.933 6	0.633 5	0.823 1	0.871 2	0.633 3	0.997 5	0.834 1	0.963 1	0.718 2	0.442 2	0.838 1	0.313 2	0.893 5	0.680 4	0.655 1	0.840 1	0.276 3	0.800 2	0.743 8	0.212 1	0.573 6	0.548 4	0.000 5	0.736 4	0.853 1	1.000 1	0.062 8	1.000 1	0.819 5	0.178 2	0.723 4	0.424 7	0.835 2	1.000 1	0.618 2	0.378 3	1.000 1	0.914 3	0.023 3	0.703 6	0.836 4	0.667 6	0.495 5	0.817 4	0.260 5	0.035 4	0.511 6	0.307 6	0.903 3	0.566 2	1.000 1	0.708 2	0.360 2	0.931 2	0.511 3	0.510 3	1.000 1	0.089 1	0.671 1	0.765 5	1.000 1	0.528 3	0.005 2	0.204 4	1.000 1	0.500 3	0.702 2	0.842 2	0.590 1	0.461 2	0.844 4	0.664 4	0.042 2	0.010 2	0.000 5	0.405 2	0.000 2	0.040 7	0.817 1	0.007 4	0.341 2	0.444 5	1.000 1	0.714 4	0.020 9	0.643 2	0.310 4	0.396 1	0.000 3	0.903 2	0.400 2	0.500 2	0.250 3	0.600 2	0.657 2	0.500 1	0.304 5	0.540 5	0.000 6	0.532 3	0.545 2	0.750 3	0.677 3	0.637 2	0.500 1	0.000 2	0.792 7	0.504 3	1.000 1	0.000 1	0.071 4	0.000 4	0.396 4	0.000 3	1.000 1	1.000 1	0.036 4	0.146 7	0.396 2	0.000 3	0.000 3	1.000 1	0.000 1	0.627 3	0.000 1	0.638 3	0.677 6	0.000 1	0.974 2	0.000 1	0.000 1	0.835 5	0.850 1	0.449 5	1.000 1	0.472 2	0.000 1	0.250 7	0.000 1	0.148 1	0.695 4	0.387 6	0.592 3	0.189 5	0.204 8	0.500 4	0.088 9	0.064 3	0.000 1	0.471 2	0.000 1	0.000 2	1.000 1	1.000 1	0.000 3	0.000 5	0.000 2	0.317 3	0.144 2	0.024 3	1.000 1	0.008 1
Rongkun Yang, Ye Zhang, Longguang Wang, Zhiheng Fu, Lian Xu, Yulan Guo: Beyond Context Bias: Adaptive Instance Placement for Robust 3D Instance Segmentation.
Mask3D Scannet200	0.388 6	0.542 6	0.357 7	0.237 7	0.808 5	0.676 5	0.741 7	0.832 7	0.496 5	0.151 9	0.628 7	0.021 5	0.955 4	0.578 6	0.753 4	0.612 6	0.591 6	0.822 11	0.609 7	0.926 4	0.614 8	0.291 6	0.725 8	0.163 7	0.890 6	0.380 11	0.615 3	0.517 7	0.130 9	0.806 1	0.857 3	0.024 8	0.511 7	0.412 11	0.226 1	0.597 7	0.756 6	1.000 1	0.111 4	0.792 2	0.736 7	0.091 5	0.610 6	0.527 4	0.323 10	1.000 1	0.504 5	0.063 8	1.000 1	0.853 6	0.010 6	0.974 4	0.839 3	0.667 6	0.301 7	0.883 1	0.266 4	0.039 3	0.640 2	0.311 5	0.739 6	0.463 6	1.000 1	0.000 6	0.287 6	0.715 7	0.313 8	0.600 2	1.000 1	0.027 4	0.076 10	0.502 11	0.500 4	0.409 4	0.000 3	0.194 5	0.125 7	0.500 3	0.491 7	0.748 4	0.050 10	0.042 7	0.776 8	0.352 7	0.008 3	0.000 5	0.033 1	0.254 5	0.000 2	0.005 8	0.552 4	0.008 3	0.020 6	0.750 1	0.500 5	0.409 6	0.065 7	0.511 5	0.107 7	0.178 8	0.000 3	1.000 1	0.400 2	0.016 7	0.000 5	0.400 3	0.571 3	0.000 4	0.060 8	0.044 8	0.000 6	0.514 4	0.278 7	1.000 1	0.258 7	0.017 9	0.125 11	0.000 2	0.792 7	0.399 7	1.000 1	0.000 1	0.013 7	0.265 2	0.018 8	0.000 3	1.000 1	0.335 6	0.381 1	0.500 1	0.250 5	0.004 2	0.000 3	0.727 4	0.000 1	0.497 6	0.000 1	0.188 6	0.677 6	0.000 1	0.708 6	0.000 1	0.000 1	0.945 1	0.391 5	0.123 9	0.000 6	0.028 6	0.000 1	1.000 1	0.000 1	0.099 4	0.451 5	0.400 4	0.668 1	0.573 2	0.606 1	0.077 11	0.003 10	0.004 6	0.000 1	0.042 9	0.000 1	0.000 2	1.000 1	1.000 1	0.000 3	0.042 3	0.000 2	0.200 4	0.302 1	0.000 4	1.000 1	0.000 2
Jonas Schult, Francis Engelmann, Alexander Hermans, Or Litany, Siyu Tang, Bastian Leibe: Mask3D for 3D Semantic Instance Segmentation. ICRA 2023
ODIN - Ins200	0.381 7	0.507 7	0.375 5	0.237 6	0.653 11	0.614 7	0.780 6	0.744 11	0.566 3	0.328 2	0.446 8	0.003 7	0.853 7	0.496 7	0.582 8	0.448 11	0.434 8	0.938 10	0.682 5	0.782 8	0.494 10	0.274 7	0.723 9	0.269 5	0.694 11	0.393 10	0.511 7	0.695 5	0.227 5	0.550 10	0.795 6	0.039 7	0.602 5	0.638 2	0.000 5	0.734 5	0.585 8	0.667 9	0.163 3	0.500 5	0.769 6	0.108 4	0.484 9	0.569 1	0.688 4	1.000 1	0.665 1	0.093 7	1.000 1	0.863 5	0.049 2	0.667 8	0.887 1	0.778 2	0.422 6	0.786 9	0.550 1	0.000 8	0.542 5	0.028 10	0.667 7	0.428 7	1.000 1	0.125 3	0.208 10	0.530 9	0.406 7	0.337 7	0.000 9	0.000 6	0.585 3	0.742 7	0.500 4	0.000 6	0.000 3	0.472 2	1.000 1	0.417 9	0.563 4	0.631 7	0.275 3	0.000 8	0.800 6	0.841 1	0.000 4	0.083 1	0.000 5	0.174 8	0.000 2	0.055 6	0.667 2	0.000 6	0.000 7	0.250 6	1.000 1	0.286 7	0.058 8	0.391 7	0.209 6	0.313 4	0.167 1	0.278 11	0.200 8	0.083 5	0.000 5	0.200 8	0.264 7	0.000 4	0.250 7	0.714 1	0.500 1	0.196 7	0.333 6	0.500 9	0.750 1	0.668 1	0.500 1	0.000 2	0.500 9	0.333 8	1.000 1	0.000 1	0.000 8	0.438 1	0.500 1	0.000 3	1.000 1	0.333 7	0.226 2	0.250 5	0.250 5	0.000 3	0.000 3	0.668 5	0.000 1	0.174 10	0.000 1	0.000 8	0.750 1	0.000 1	0.667 8	0.000 1	0.000 1	0.638 8	0.333 6	0.579 2	0.000 6	0.333 3	0.000 1	1.000 1	0.000 1	0.063 8	0.385 7	0.600 1	0.647 2	0.066 8	0.264 6	0.469 5	0.246 3	0.000 7	0.000 1	0.264 4	0.000 1	0.000 2	0.000 6	1.000 1	0.125 1	0.000 5	0.000 2	0.200 4	0.000 5	0.000 4	1.000 1	0.000 2

TD3D Scannet200	0.320 8	0.501 8	0.264 8	0.164 8	0.841 4	0.679 4	0.716 8	0.879 3	0.280 9	0.192 7	0.634 6	0.231 3	0.733 9	0.459 8	0.565 9	0.498 10	0.560 7	1.000 1	0.686 4	0.890 7	0.708 3	0.123 10	0.820 3	0.152 8	0.967 1	0.456 6	0.458 8	0.387 8	0.194 6	0.435 11	0.906 1	0.077 5	0.396 8	0.509 6	0.217 2	0.715 6	0.619 7	1.000 1	0.099 6	0.792 2	0.513 8	0.062 7	0.506 8	0.549 3	0.605 7	1.000 1	0.123 10	0.106 6	1.000 1	0.744 10	0.000 8	1.000 1	0.504 11	0.525 8	0.185 8	0.790 8	0.101 8	0.008 7	0.587 3	0.356 4	0.817 4	0.083 11	1.000 1	0.000 6	0.621 1	0.842 3	0.415 6	0.268 10	0.083 8	0.000 6	0.098 9	0.881 1	0.125 8	0.000 6	0.000 3	0.000 7	0.000 8	0.125 10	0.332 9	0.448 11	0.202 7	0.196 4	0.798 7	0.264 8	0.000 4	0.000 5	0.017 3	0.233 6	0.000 2	0.063 4	0.333 6	0.038 1	0.111 5	0.250 6	0.000 8	0.516 5	0.208 3	0.470 6	0.094 9	0.218 6	0.000 3	0.667 6	0.033 11	0.000 8	0.000 5	0.400 3	0.156 8	0.000 4	0.267 6	0.226 7	0.000 6	0.104 8	0.159 8	0.299 11	0.095 9	0.458 4	0.500 1	0.000 2	1.000 1	0.472 4	0.792 9	0.000 1	0.022 6	0.061 3	0.250 6	0.008 2	0.250 6	0.333 7	0.143 3	0.396 4	0.049 7	0.012 1	0.000 3	0.283 10	0.000 1	0.241 9	0.000 1	0.101 7	0.331 10	0.000 1	0.629 9	0.000 1	0.000 1	0.857 2	0.222 8	0.677 1	0.000 6	0.003 8	0.000 1	0.000 8	0.000 1	0.076 6	0.252 9	0.400 4	0.431 8	0.061 9	0.328 4	0.331 8	0.500 1	0.000 7	0.000 1	0.167 7	0.000 1	0.000 2	0.000 6	0.500 8	0.000 3	0.000 5	1.000 1	0.542 1	0.000 5	0.063 2	0.000 8	0.000 2
Maksim Kolodiazhnyi, Anna Vorontsova, Anton Konushin, Danila Rukhovich: Top-Down Beats Bottom-Up in 3D Instance Segmentation. WACV 2024
LGround Inst.	0.246 9	0.413 9	0.170 9	0.130 9	0.754 8	0.541 9	0.682 10	0.903 1	0.264 10	0.164 8	0.234 9	0.000 9	0.681 10	0.452 9	0.464 11	0.541 9	0.399 9	1.000 1	0.637 6	0.772 9	0.588 9	0.190 8	0.589 11	0.081 9	0.857 8	0.426 8	0.373 9	0.318 9	0.135 8	0.690 7	0.653 10	0.000 9	0.159 10	0.500 7	0.000 5	0.581 8	0.387 10	1.000 1	0.046 9	0.000 8	0.402 9	0.003 11	0.455 11	0.196 10	0.571 8	1.000 1	0.270 9	0.003 11	0.530 11	0.748 9	0.000 8	0.744 5	0.575 9	0.511 9	0.112 9	0.815 5	0.067 9	0.000 8	0.400 7	0.167 8	0.667 7	0.241 8	1.000 1	0.000 6	0.208 9	0.660 8	0.125 10	0.317 8	0.000 9	0.000 6	0.100 8	0.561 10	0.000 9	0.000 6	0.000 3	0.000 7	1.000 1	0.500 3	0.344 8	0.568 10	0.167 8	0.000 8	0.706 9	0.068 9	0.000 4	0.000 5	0.000 5	0.063 9	0.000 2	0.000 9	0.056 10	0.000 6	0.000 7	0.500 2	0.000 8	0.143 11	0.017 10	0.125 9	0.097 8	0.164 9	0.000 3	0.582 8	0.400 2	0.000 8	0.000 5	0.000 10	0.083 10	0.000 4	0.000 9	0.000 9	0.000 6	0.025 9	0.156 9	0.533 8	0.250 8	0.200 7	0.500 1	0.000 2	1.000 1	0.333 8	1.000 1	0.000 1	0.000 8	0.000 4	0.000 9	0.000 3	0.000 8	0.333 7	0.000 5	0.000 9	0.000 9	0.000 3	0.000 3	0.400 9	0.000 1	0.364 7	0.000 1	0.000 8	0.500 8	0.000 1	0.511 10	0.000 1	0.000 1	0.286 9	0.333 6	0.000 10	0.000 6	0.000 9	0.000 1	0.000 8	0.000 1	0.034 9	0.111 11	0.000 9	0.333 10	0.031 11	0.000 10	0.750 1	0.125 7	0.000 7	0.000 1	0.151 8	0.000 1	0.000 2	0.000 6	0.500 8	0.000 3	0.000 5	0.000 2	0.000 11	0.000 5	0.000 4	0.000 8	0.000 2
David Rozenberszki, Or Litany, Angela Dai: Language-Grounded Indoor 3D Semantic Segmentation in the Wild.
Minkowski 34D Inst.	0.203 11	0.369 10	0.134 11	0.078 11	0.706 9	0.382 10	0.693 9	0.845 6	0.221 11	0.150 10	0.158 10	0.000 9	0.746 8	0.369 10	0.545 10	0.595 7	0.387 10	0.997 5	0.413 11	0.720 11	0.636 7	0.165 9	0.732 7	0.070 10	0.851 9	0.402 9	0.251 10	0.313 10	0.123 10	0.583 9	0.696 9	0.000 9	0.051 11	0.500 7	0.000 5	0.500 10	0.372 11	0.667 9	0.009 10	0.000 8	0.307 11	0.003 10	0.479 10	0.107 11	0.226 11	0.903 9	0.109 11	0.031 9	0.981 8	0.726 11	0.000 8	0.522 11	0.669 8	0.282 11	0.052 11	0.778 10	0.000 10	0.000 8	0.400 7	0.074 9	0.333 10	0.218 10	1.000 1	0.000 6	0.250 8	0.406 11	0.118 11	0.317 8	0.100 7	0.000 6	0.191 7	0.596 8	0.000 9	0.000 6	0.000 3	0.000 7	0.000 8	0.500 3	0.178 11	0.701 6	0.000 11	0.000 8	0.522 11	0.018 11	0.000 4	0.000 5	0.000 5	0.060 10	0.000 2	0.000 9	0.033 11	0.000 6	0.000 7	0.000 10	0.000 8	0.281 8	0.100 6	0.000 11	0.090 10	0.133 10	0.000 3	0.422 10	0.050 10	0.000 8	0.000 5	0.200 8	0.000 11	0.000 4	0.000 9	0.000 9	0.000 6	0.000 10	0.123 10	0.677 7	0.021 10	0.000 10	0.500 1	0.000 2	0.500 9	0.442 6	0.125 11	0.000 1	0.000 8	0.000 4	0.000 9	0.000 3	0.000 8	0.056 10	0.000 5	0.000 9	0.000 9	0.000 3	0.000 3	0.200 11	0.000 1	0.143 11	0.000 1	0.000 8	0.250 11	0.000 1	0.511 10	0.000 1	0.000 1	0.286 9	0.083 9	0.396 6	0.000 6	0.000 9	0.000 1	0.000 8	0.000 1	0.025 10	0.300 8	0.000 9	0.371 9	0.070 7	0.000 10	0.385 7	0.000 11	0.000 7	0.000 1	0.000 11	0.000 1	0.000 2	0.000 6	0.500 8	0.000 3	0.000 5	0.000 2	0.200 4	0.000 5	0.000 4	0.000 8	0.000 2
C. Choy, J. Gwak, S. Savarese: 4D Spatio-Temporal ConvNets: Minkowski Convolutional Neural Networks. CVPR 2019
CSC-Pretrain Inst.	0.209 10	0.361 11	0.157 10	0.085 10	0.700 10	0.248 11	0.634 11	0.776 10	0.322 7	0.135 11	0.103 11	0.000 9	0.524 11	0.364 11	0.618 7	0.592 8	0.381 11	0.997 5	0.589 9	0.747 10	0.340 11	0.109 11	0.768 6	0.059 11	0.702 10	0.448 7	0.188 11	0.149 11	0.091 11	0.636 8	0.573 11	0.000 9	0.246 9	0.500 7	0.000 5	0.450 11	0.405 9	0.667 9	0.006 11	0.000 8	0.356 10	0.007 9	0.506 7	0.420 8	0.340 9	0.667 11	0.294 8	0.004 10	0.571 10	0.748 8	0.000 8	1.000 1	0.573 10	0.502 10	0.094 10	0.807 6	0.000 10	0.000 8	0.400 7	0.000 11	0.278 11	0.228 9	1.000 1	0.000 6	0.115 11	0.432 10	0.198 9	0.050 11	0.125 5	0.000 6	0.000 11	0.573 9	0.000 9	0.000 6	0.000 3	0.000 7	0.000 8	0.125 10	0.312 10	0.610 9	0.221 5	0.000 8	0.667 10	0.050 10	0.000 4	0.000 5	0.000 5	0.032 11	0.000 2	0.000 9	0.083 8	0.000 6	0.000 7	0.000 10	0.000 8	0.220 9	0.000 11	0.125 9	0.000 11	0.111 11	0.000 3	0.667 6	0.200 8	0.000 8	0.000 5	0.000 10	0.110 9	0.000 4	0.000 9	0.000 9	0.000 6	0.000 10	0.053 11	0.500 9	0.000 11	0.000 10	0.500 1	0.000 2	0.500 9	0.333 8	0.500 10	0.000 1	0.000 8	0.000 4	0.000 9	0.000 3	0.000 8	0.000 11	0.000 5	0.000 9	0.000 9	0.000 3	0.000 3	0.600 7	0.000 1	0.364 7	0.000 1	0.000 8	0.750 1	0.000 1	0.833 5	0.000 1	0.000 1	0.143 11	0.000 11	0.396 6	0.000 6	0.000 9	0.000 1	0.000 8	0.000 1	0.021 11	0.221 10	0.000 9	0.093 11	0.055 10	0.451 2	0.677 3	0.125 7	0.000 7	0.000 1	0.028 10	0.000 1	0.000 2	0.000 6	0.500 8	0.000 3	0.000 5	0.000 2	0.050 10	0.000 5	0.000 4	0.000 8	0.000 2
Ji Hou, Benjamin Graham, Matthias Nießner, Saining Xie: Exploring Data-Efficient 3D Scene Understanding with Contrastive Scene Contexts. CVPR 2021

ScanNet200 3D Semantic Instance Benchmark