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

CompetitorFormer-200	0.328 5	0.439 4	0.303 5	0.223 5	0.543 5	0.044 7	0.333 2	0.044 3	0.000 6	0.000 1	0.099 1	0.444 3	0.296 6	0.850 6	0.722 2	0.820 1	0.444 6	0.047 1	0.083 6	0.183 3	0.562 1	0.243 6	0.312 2	0.380 5	0.192 5	1.000 1	0.143 6	0.000 1	0.000 4	0.484 5	0.259 7	1.000 1	0.000 1	0.500 1	0.000 3	0.650 1	0.221 4	0.771 1	0.004 4	0.010 3	0.043 7	0.120 7	0.366 2	0.054 1	0.000 1	0.689 3	0.641 5	0.500 2	0.663 6	1.000 1	0.673 5	0.049 4	0.400 1	0.479 4	0.014 4	0.267 4	0.455 3	0.083 6	0.400 6	0.400 2	0.663 4	0.243 2	0.464 3	0.192 7	0.076 7	0.427 4	0.620 4	0.025 4	0.013 8	0.322 2	0.000 2	0.677 2	0.333 2	0.178 6	0.808 2	0.556 1	0.356 5	0.345 1	0.119 8	0.346 5	0.312 5	0.000 2	0.000 1	0.305 6	0.116 2	0.137 7	0.000 5	0.065 4	0.171 5	0.314 7	0.575 5	0.487 6	0.303 2	0.820 1	0.000 4	0.000 1	0.655 2	0.088 2	0.373 1	0.430 4	0.011 5	0.103 5	0.835 4	0.569 6	0.125 4	0.123 6	0.500 3	0.774 4	0.504 4	0.019 4	0.465 8	0.353 2	0.475 3	0.000 2	0.500 1	0.000 4	0.712 3	0.050 2	0.667 1	0.000 3	0.396 6	0.555 6	0.120 6	0.786 4	0.069 6	0.000 6	0.182 5	0.390 3	0.000 9	0.831 4	1.000 1	0.679 2	0.111 5	0.110 7	0.000 3	0.450 6	0.868 1	0.277 5	0.083 4	0.069 4	0.471 6	0.001 4	0.428 8	0.000 3	0.000 3	0.000 2	0.421 3	0.043 1	0.000 1	0.358 6	0.456 6	0.518 4	0.237 5	0.256 4	0.945 1	0.271 7	0.632 4	0.534 6	0.208 4	0.730 6	0.000 1	0.140 1	0.658 4	1.000 1	0.452 7	0.000 1	0.082 6	0.441 6	0.000 1	0.472 3	0.060 9	0.454 3	0.469 1	0.384 2

DINO3D-Scannet200	0.346 4	0.437 5	0.353 4	0.229 4	0.687 2	0.174 1	0.333 2	0.000 4	0.042 5	0.000 1	0.094 2	0.384 4	0.618 1	0.940 4	0.764 1	0.292 11	0.889 2	0.042 2	0.000 8	0.142 5	0.000 6	0.456 2	0.263 5	0.371 7	0.407 1	0.250 3	0.257 1	0.000 1	0.000 4	0.642 1	0.431 2	1.000 1	0.000 1	0.250 6	0.028 2	0.594 5	0.436 3	0.729 3	0.000 5	0.138 1	0.192 4	0.206 2	0.083 8	0.000 5	0.000 1	0.611 4	0.574 6	0.306 3	0.719 2	1.000 1	0.733 2	0.066 2	0.361 2	0.545 2	0.000 5	0.585 1	0.388 5	0.558 3	0.639 1	0.400 2	0.659 5	0.183 5	0.297 5	0.246 6	0.199 2	0.373 5	0.446 5	0.000 5	0.378 5	0.156 4	0.500 1	0.772 1	0.111 5	0.253 4	0.752 3	0.477 5	0.325 6	0.282 4	0.551 4	0.504 4	0.241 6	0.000 2	0.000 1	0.156 8	0.238 1	0.251 3	0.000 5	0.000 5	0.000 10	0.599 2	0.712 1	0.750 1	0.266 4	0.766 4	0.000 4	0.000 1	0.628 3	0.082 3	0.001 8	0.417 5	0.000 6	0.014 7	0.708 5	0.536 7	0.516 1	0.328 4	0.500 3	0.669 5	0.529 3	0.027 3	0.732 1	0.764 1	0.365 5	0.000 2	0.250 4	0.000 4	0.921 1	0.063 1	0.222 4	0.000 3	0.520 3	0.769 3	0.045 8	0.714 6	0.000 8	0.000 6	0.264 2	0.417 2	0.049 7	0.731 8	0.514 7	0.545 5	0.000 6	0.264 4	0.000 3	0.462 5	0.803 4	0.247 6	0.303 1	0.049 7	0.514 4	0.000 5	0.558 2	0.000 3	0.111 1	0.000 2	0.556 1	0.000 2	0.000 1	0.406 4	0.536 2	0.681 1	0.484 2	0.346 3	0.925 3	0.470 2	0.664 2	0.726 1	0.130 9	0.780 4	0.000 1	0.009 5	0.618 5	0.764 9	0.487 6	0.000 1	0.442 3	0.245 10	0.000 1	0.593 1	0.655 4	0.345 7	0.411 4	0.279 3
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
ACGP-ScanNet200	0.381 2	0.486 2	0.362 2	0.275 1	0.597 4	0.133 2	0.333 2	0.500 1	0.394 2	0.000 1	0.008 9	0.483 2	0.512 4	1.000 1	0.649 5	0.497 5	0.792 4	0.032 3	0.556 2	0.179 4	0.170 4	0.307 5	0.291 4	0.480 3	0.114 7	1.000 1	0.242 2	0.000 1	0.037 1	0.512 4	0.365 6	1.000 1	0.000 1	0.396 4	0.000 3	0.608 4	0.184 5	0.643 7	0.009 2	0.007 4	0.271 2	0.209 1	0.304 5	0.000 5	0.000 1	0.731 1	0.678 3	0.248 5	0.779 1	1.000 1	0.647 9	0.080 1	0.288 4	0.423 8	0.000 5	0.396 2	0.435 4	0.903 1	0.499 4	0.400 2	0.676 2	0.247 1	0.329 4	0.500 1	0.062 8	0.462 2	0.673 2	0.144 2	0.574 1	0.252 3	0.000 2	0.365 5	0.000 6	0.336 1	0.733 5	0.556 1	0.412 2	0.312 2	0.581 3	0.524 3	0.313 4	0.000 2	0.000 1	0.349 5	0.037 4	0.301 2	0.036 3	0.194 3	0.143 6	0.600 1	0.652 3	0.677 2	0.314 1	0.772 2	0.000 4	0.000 1	0.444 8	0.104 1	0.031 4	0.486 2	0.077 1	0.472 2	1.000 1	0.635 4	0.500 2	0.454 1	0.500 3	0.782 2	0.449 5	0.018 5	0.538 4	0.069 5	0.406 4	0.002 1	0.146 7	0.014 3	0.795 2	0.000 3	0.139 7	0.001 2	0.686 1	0.815 2	0.541 1	0.753 5	0.556 2	0.007 4	0.284 1	0.330 5	0.778 2	0.926 2	0.792 5	0.785 1	0.444 1	0.380 3	0.000 3	0.514 2	0.821 2	0.346 2	0.197 2	0.065 6	0.494 5	0.000 5	0.395 10	0.000 3	0.000 3	0.000 2	0.391 5	0.000 2	0.000 1	0.546 2	0.543 1	0.548 3	0.438 3	0.240 6	0.895 5	0.388 6	0.569 5	0.694 2	0.197 7	0.824 2	0.000 1	0.060 3	0.612 7	1.000 1	0.832 3	0.000 1	0.461 2	0.752 1	0.000 1	0.486 2	0.850 1	0.466 2	0.400 5	0.112 7
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	0.278 6	0.383 6	0.263 7	0.168 6	0.506 6	0.068 4	0.083 11	0.000 4	0.000 6	0.000 1	0.023 7	0.149 10	0.302 5	0.778 8	0.647 6	0.569 2	0.500 5	0.031 4	0.014 7	0.027 8	0.173 3	0.311 3	0.195 6	0.351 8	0.258 4	0.000 6	0.082 7	0.000 1	0.003 3	0.037 8	0.391 5	1.000 1	0.000 1	0.014 8	0.000 3	0.572 6	0.573 2	0.661 6	0.000 5	0.003 7	0.005 10	0.082 10	0.349 3	0.028 3	0.000 1	0.605 5	0.515 9	0.509 1	0.711 3	1.000 1	0.665 7	0.015 8	0.107 7	0.402 9	0.201 1	0.083 6	0.304 6	0.759 2	0.491 5	0.378 5	0.572 6	0.119 6	0.277 6	0.013 11	0.089 4	0.283 7	0.411 7	0.267 1	0.006 9	0.156 4	0.000 2	0.116 6	0.000 6	0.105 9	0.556 7	0.514 4	0.396 3	0.275 5	0.323 5	0.215 7	0.380 1	0.000 2	0.000 1	0.356 4	0.005 7	0.208 5	0.325 1	0.000 5	0.050 9	0.400 3	0.561 6	0.258 7	0.179 6	0.722 5	0.147 2	0.000 1	0.586 4	0.063 4	0.015 5	0.139 7	0.016 4	0.028 6	0.708 5	0.418 8	0.016 7	0.048 9	0.500 3	0.489 6	0.349 6	0.001 8	0.475 7	0.086 4	0.365 6	0.000 2	0.500 1	0.000 4	0.323 9	0.000 3	0.222 4	0.000 3	0.497 5	0.626 5	0.044 9	0.795 3	0.556 2	0.008 3	0.121 10	0.265 6	0.667 3	0.789 5	0.568 6	0.579 4	0.444 1	0.176 6	0.004 2	0.474 3	0.752 6	0.233 7	0.014 6	0.002 10	0.570 3	0.007 2	0.377 11	0.000 3	0.000 3	0.000 2	0.337 7	0.000 2	0.000 1	0.384 5	0.465 5	0.287 7	0.085 6	0.048 8	0.816 11	0.467 3	0.810 1	0.377 7	0.415 1	0.744 5	0.000 1	0.004 6	0.724 1	0.778 6	0.590 4	0.000 1	0.032 7	0.441 5	0.000 1	0.377 6	0.391 5	0.427 5	0.321 6	0.192 4
Jonas Schult, Francis Engelmann, Alexander Hermans, Or Litany, Siyu Tang, Bastian Leibe: Mask3D for 3D Semantic Instance Segmentation. ICRA 2023
AQ3D-ScanNet200	0.385 1	0.522 1	0.374 1	0.234 3	0.698 1	0.127 3	0.500 1	0.500 1	0.574 1	0.000 1	0.023 6	0.383 5	0.549 2	1.000 1	0.687 3	0.527 4	0.889 2	0.013 5	0.533 5	0.239 1	0.148 5	0.458 1	0.358 1	0.492 2	0.147 6	0.167 5	0.209 3	0.000 1	0.009 2	0.548 3	0.469 1	0.167 7	0.000 1	0.451 2	0.000 3	0.641 2	0.073 6	0.759 2	0.009 3	0.005 5	0.299 1	0.203 3	0.296 6	0.037 2	0.000 1	0.399 6	0.683 2	0.139 7	0.676 5	1.000 1	0.754 1	0.030 6	0.306 3	0.670 1	0.150 3	0.025 8	0.507 1	0.020 7	0.565 3	0.570 1	0.671 3	0.224 4	0.520 2	0.333 2	0.077 6	0.451 3	0.733 1	0.141 3	0.292 6	0.156 4	0.000 2	0.424 4	0.337 1	0.276 3	0.748 4	0.444 6	0.435 1	0.304 3	0.598 2	0.554 2	0.363 2	0.000 2	0.000 1	0.468 3	0.075 3	0.341 1	0.000 5	0.438 2	0.125 7	0.400 3	0.585 4	0.658 4	0.231 5	0.771 3	0.000 4	0.000 1	0.655 1	0.052 5	0.303 2	0.556 1	0.066 2	0.667 1	1.000 1	0.801 1	0.083 5	0.267 5	1.000 1	0.777 3	0.578 1	0.028 2	0.681 2	0.000 7	0.479 2	0.000 2	0.140 8	0.000 4	0.667 4	0.000 3	0.444 2	0.132 1	0.501 4	0.856 1	0.475 2	0.799 2	0.556 2	0.029 2	0.221 4	0.422 1	1.000 1	0.928 1	1.000 1	0.482 7	0.444 1	0.454 2	0.000 3	0.462 4	0.792 5	0.331 3	0.158 3	0.101 3	0.773 1	0.000 5	0.455 4	0.000 2	0.000 3	0.000 2	0.398 4	0.000 2	0.000 1	0.532 3	0.510 3	0.617 2	0.395 4	0.367 2	0.923 4	0.448 5	0.657 3	0.590 3	0.410 2	0.825 1	0.000 1	0.083 2	0.704 2	1.000 1	0.864 1	0.000 1	0.664 1	0.618 3	0.000 1	0.333 8	0.667 3	0.406 6	0.455 2	0.551 1

Volt-SPFormer	0.367 3	0.475 3	0.359 3	0.248 2	0.635 3	0.051 6	0.333 2	0.000 4	0.125 3	0.000 1	0.029 5	0.345 6	0.528 3	1.000 1	0.663 4	0.400 7	0.389 7	0.012 6	0.556 2	0.235 2	0.407 2	0.240 7	0.308 3	0.550 1	0.380 2	0.250 3	0.193 4	0.000 1	0.000 4	0.439 6	0.416 4	1.000 1	0.000 1	0.254 5	0.000 3	0.609 3	0.638 1	0.678 4	0.000 5	0.004 6	0.113 5	0.144 5	0.333 4	0.028 3	0.000 1	0.719 2	0.685 1	0.139 7	0.682 4	1.000 1	0.689 4	0.052 3	0.247 5	0.470 5	0.000 5	0.304 3	0.484 2	0.000 8	0.588 2	0.378 5	0.736 1	0.241 3	0.663 1	0.066 10	0.299 1	0.717 1	0.660 3	0.000 5	0.466 3	0.156 4	0.000 2	0.500 3	0.278 3	0.230 5	0.831 1	0.556 1	0.365 4	0.192 6	0.822 1	0.565 1	0.318 3	0.111 1	0.000 1	0.533 1	0.013 5	0.232 4	0.000 5	0.778 1	0.112 8	0.400 3	0.693 2	0.588 5	0.284 3	0.684 6	0.000 4	0.000 1	0.556 5	0.050 6	0.008 6	0.333 6	0.029 3	0.278 4	1.000 1	0.748 2	0.500 2	0.340 2	1.000 1	0.787 1	0.575 2	0.013 6	0.527 5	0.017 6	0.502 1	0.000 2	0.500 1	0.167 1	0.650 5	0.000 3	0.222 4	0.000 3	0.549 2	0.655 4	0.238 3	0.799 1	0.556 2	0.002 5	0.170 6	0.348 4	0.250 4	0.873 3	1.000 1	0.652 3	0.444 1	0.551 1	0.000 3	0.524 1	0.821 3	0.329 4	0.000 7	0.117 2	0.383 9	0.014 1	0.417 9	0.000 3	0.000 3	0.000 2	0.469 2	0.000 2	0.000 1	0.552 1	0.494 4	0.515 5	0.710 1	0.388 1	0.928 2	0.524 1	0.537 6	0.560 4	0.167 8	0.817 3	0.000 1	0.019 4	0.682 3	1.000 1	0.864 1	0.000 1	0.099 5	0.664 2	0.000 1	0.395 4	0.764 2	0.442 4	0.418 3	0.117 5
Kadir Yilmaz, Adrian Kruse, Tristan Höfer, Daan de Geus, Bastian Leibe: Volume Transformer: Revisiting Vanilla Transformers for 3D Scene Understanding.
TD3D Scannet200	0.211 8	0.332 8	0.177 8	0.103 8	0.337 8	0.036 8	0.222 10	0.000 4	0.000 6	0.000 1	0.031 4	0.342 7	0.093 10	0.852 5	0.452 10	0.559 3	0.000 8	0.004 7	0.000 8	0.039 6	0.000 6	0.309 4	0.047 10	0.380 6	0.028 8	0.000 6	0.080 8	0.000 1	0.000 4	0.147 7	0.192 9	0.000 8	0.000 1	0.083 7	0.000 3	0.395 7	0.039 10	0.662 5	0.000 5	0.000 8	0.074 6	0.135 6	0.296 6	0.000 5	0.000 1	0.231 10	0.646 4	0.139 7	0.633 8	1.000 1	0.705 3	0.048 5	0.088 8	0.439 6	0.184 2	0.039 7	0.266 7	0.551 4	0.260 9	0.026 11	0.463 8	0.046 9	0.252 7	0.249 5	0.083 5	0.372 6	0.411 6	0.000 5	0.414 4	0.323 1	0.000 2	0.052 7	0.000 6	0.157 7	0.278 8	0.278 8	0.237 8	0.015 8	0.321 6	0.253 6	0.060 10	0.000 2	0.000 1	0.272 7	0.008 6	0.169 6	0.032 4	0.000 5	0.404 1	0.356 6	0.283 8	0.073 9	0.028 11	0.617 7	0.038 3	0.000 1	0.494 6	0.037 7	0.215 3	0.083 8	0.000 6	0.003 8	0.486 8	0.694 3	0.000 8	0.040 10	0.083 10	0.219 11	0.209 8	0.007 7	0.483 6	0.000 7	0.125 9	0.000 2	0.150 6	0.014 2	0.544 7	0.000 3	0.000 8	0.000 3	0.260 10	0.143 11	0.200 5	0.610 8	0.028 7	0.032 1	0.145 7	0.059 8	0.046 8	0.740 7	0.806 4	0.543 6	0.000 6	0.108 8	0.008 1	0.222 11	0.669 7	0.456 1	0.074 5	0.224 1	0.586 2	0.006 3	0.451 5	0.000 3	0.002 2	0.889 1	0.282 8	0.000 2	0.000 1	0.252 8	0.413 7	0.111 8	0.074 7	0.240 7	0.893 6	0.266 8	0.144 9	0.293 8	0.281 3	0.604 8	0.000 1	0.000 7	0.379 11	0.963 5	0.250 10	0.000 1	0.160 4	0.420 7	0.000 1	0.343 7	0.207 7	0.079 11	0.315 7	0.052 8
Maksim Kolodiazhnyi, Anna Vorontsova, Anton Konushin, Danila Rukhovich: Top-Down Beats Bottom-Up in 3D Instance Segmentation. WACV 2024
ODIN - Ins200	0.265 7	0.349 7	0.268 6	0.163 7	0.360 7	0.054 5	0.278 6	0.000 4	0.125 3	0.000 1	0.031 3	0.506 1	0.266 7	0.630 9	0.609 7	0.481 6	0.903 1	0.000 8	1.000 1	0.032 7	0.000 6	0.022 10	0.138 7	0.314 10	0.310 3	0.000 6	0.178 5	0.000 1	0.000 4	0.552 2	0.421 3	0.889 6	0.000 1	0.451 2	0.097 1	0.357 8	0.054 8	0.485 11	0.052 1	0.040 2	0.210 3	0.160 4	0.370 1	0.000 5	0.000 1	0.191 11	0.529 7	0.250 4	0.617 9	1.000 1	0.492 11	0.016 7	0.197 6	0.324 10	0.000 5	0.250 5	0.265 8	0.167 5	0.317 7	0.200 8	0.549 7	0.107 7	0.231 8	0.119 9	0.141 3	0.253 8	0.267 8	0.000 5	0.565 2	0.111 8	0.000 2	0.000 8	0.278 3	0.285 2	0.665 6	0.389 7	0.306 7	0.077 7	0.037 11	0.186 11	0.156 8	0.000 2	0.000 1	0.478 2	0.000 8	0.091 8	0.204 2	0.000 5	0.345 2	0.200 8	0.550 7	0.674 3	0.160 7	0.526 8	0.438 1	0.000 1	0.476 7	0.035 8	0.003 7	0.444 3	0.000 6	0.333 3	0.361 9	0.606 5	0.083 5	0.332 3	0.417 8	0.327 7	0.297 7	0.035 1	0.615 3	0.281 3	0.083 10	0.000 2	0.250 4	0.000 4	0.610 6	0.000 3	0.333 3	0.000 3	0.238 11	0.481 7	0.218 4	0.440 10	1.000 1	0.000 6	0.229 3	0.257 7	0.000 9	0.746 6	0.361 11	0.188 8	0.000 6	0.221 5	0.000 3	0.320 7	0.655 8	0.193 8	0.000 7	0.067 5	0.389 8	0.000 5	0.594 1	0.037 1	0.000 3	0.000 2	0.371 6	0.000 2	0.000 1	0.344 7	0.366 9	0.506 6	0.074 7	0.250 5	0.848 9	0.451 4	0.389 7	0.546 5	0.205 5	0.698 7	0.000 1	0.000 7	0.494 9	0.769 8	0.493 5	0.000 1	0.000 8	0.463 4	0.000 1	0.333 8	0.333 6	0.640 1	0.251 8	0.115 6

Minkowski 34D Inst.	0.130 10	0.246 10	0.083 10	0.043 11	0.299 10	0.000 11	0.278 6	0.000 4	0.000 6	0.000 1	0.022 8	0.175 9	0.122 8	0.537 10	0.521 8	0.400 7	0.000 8	0.000 8	0.000 8	0.008 9	0.000 6	0.048 9	0.076 9	0.182 11	0.000 10	0.000 6	0.022 10	0.000 1	0.000 4	0.000 9	0.141 11	0.000 8	0.000 1	0.000 9	0.000 3	0.210 10	0.063 7	0.547 10	0.000 5	0.000 8	0.000 11	0.100 8	0.026 11	0.000 5	0.000 1	0.241 9	0.488 10	0.000 10	0.564 11	1.000 1	0.672 6	0.000 9	0.021 10	0.486 3	0.000 5	0.000 9	0.067 10	0.000 8	0.194 11	0.033 10	0.415 10	0.026 10	0.025 11	0.271 3	0.004 10	0.094 11	0.142 11	0.000 5	0.000 10	0.111 8	0.000 2	0.000 8	0.000 6	0.088 10	0.083 11	0.278 8	0.110 10	0.000 10	0.082 10	0.199 10	0.137 9	0.000 2	0.000 1	0.000 9	0.000 8	0.041 10	0.000 5	0.000 5	0.308 3	0.067 9	0.280 9	0.016 10	0.101 9	0.373 11	0.000 4	0.000 1	0.319 10	0.007 10	0.000 9	0.000 9	0.000 6	0.000 9	0.028 11	0.355 11	0.000 8	0.101 7	0.444 7	0.289 8	0.114 11	0.000 9	0.394 9	0.000 7	0.032 11	0.000 2	0.000 9	0.000 4	0.201 11	0.000 3	0.000 8	0.000 3	0.384 7	0.248 10	0.000 11	0.529 9	0.000 8	0.000 6	0.133 9	0.020 11	0.089 6	0.720 9	0.500 9	0.099 10	0.000 6	0.000 11	0.000 3	0.238 10	0.334 11	0.190 9	0.000 7	0.000 11	0.317 11	0.000 5	0.472 3	0.000 3	0.000 3	0.000 2	0.094 11	0.000 2	0.000 1	0.082 11	0.236 10	0.004 11	0.019 10	0.000 9	0.883 7	0.061 11	0.262 8	0.217 10	0.000 10	0.557 11	0.000 1	0.000 7	0.460 10	0.761 10	0.156 11	0.000 1	0.000 8	0.259 9	0.000 1	0.394 5	0.019 10	0.084 10	0.232 10	0.000 11
C. Choy, J. Gwak, S. Savarese: 4D Spatio-Temporal ConvNets: Minkowski Convolutional Neural Networks. CVPR 2019
CSC-Pretrain Inst.	0.123 11	0.223 11	0.082 11	0.046 10	0.308 9	0.004 9	0.278 6	0.000 4	0.000 6	0.000 1	0.000 11	0.032 11	0.105 9	0.537 10	0.348 11	0.378 9	0.000 8	0.000 8	0.000 8	0.000 11	0.000 6	0.000 11	0.037 11	0.323 9	0.000 10	0.000 6	0.013 11	0.000 1	0.000 4	0.000 9	0.235 8	0.000 8	0.000 1	0.000 9	0.000 3	0.231 9	0.045 9	0.564 9	0.000 5	0.000 8	0.006 9	0.078 11	0.065 9	0.000 5	0.000 1	0.259 8	0.516 8	0.000 10	0.600 10	1.000 1	0.578 10	0.000 9	0.000 11	0.184 11	0.000 5	0.000 9	0.034 11	0.000 8	0.211 10	0.089 9	0.394 11	0.018 11	0.064 10	0.171 8	0.001 11	0.144 9	0.172 10	0.000 5	0.000 10	0.044 10	0.000 2	0.000 8	0.000 6	0.064 11	0.126 10	0.278 8	0.093 11	0.000 10	0.094 9	0.214 8	0.011 11	0.000 2	0.000 1	0.000 9	0.000 8	0.022 11	0.000 5	0.000 5	0.275 4	0.000 10	0.275 10	0.000 11	0.098 10	0.407 10	0.000 4	0.000 1	0.250 11	0.007 11	0.000 9	0.000 9	0.000 6	0.000 9	0.333 10	0.376 10	0.000 8	0.000 11	0.042 11	0.285 9	0.119 10	0.000 9	0.224 11	0.000 7	0.184 8	0.000 2	0.000 9	0.000 4	0.244 10	0.000 3	0.000 8	0.000 3	0.377 8	0.378 8	0.051 7	0.424 11	0.000 8	0.000 6	0.116 11	0.030 10	0.125 5	0.441 10	0.444 10	0.063 11	0.000 6	0.042 9	0.000 3	0.297 8	0.483 9	0.096 11	0.000 7	0.028 8	0.338 10	0.000 5	0.444 6	0.000 3	0.000 3	0.000 2	0.189 10	0.000 2	0.000 1	0.141 10	0.152 11	0.017 10	0.000 11	0.000 9	0.838 10	0.193 9	0.111 11	0.105 11	0.198 6	0.588 9	0.000 1	0.000 7	0.542 8	0.343 11	0.267 9	0.000 1	0.000 8	0.108 11	0.000 1	0.333 8	0.000 11	0.228 8	0.202 11	0.022 10
Ji Hou, Benjamin Graham, Matthias Nießner, Saining Xie: Exploring Data-Efficient 3D Scene Understanding with Contrastive Scene Contexts. CVPR 2021
LGround Inst.	0.154 9	0.275 9	0.108 9	0.060 9	0.295 11	0.002 10	0.278 6	0.000 4	0.000 6	0.000 1	0.006 10	0.272 8	0.064 11	0.815 7	0.503 9	0.333 10	0.000 8	0.000 8	0.556 2	0.001 10	0.000 6	0.148 8	0.078 8	0.448 4	0.007 9	0.000 6	0.024 9	0.000 1	0.000 4	0.000 9	0.190 10	0.000 8	0.000 1	0.000 9	0.000 3	0.209 11	0.031 11	0.573 8	0.000 5	0.000 8	0.041 8	0.099 9	0.037 10	0.000 5	0.000 1	0.327 7	0.364 11	0.181 6	0.642 7	1.000 1	0.654 8	0.000 9	0.023 9	0.429 7	0.000 5	0.000 9	0.097 9	0.000 8	0.278 8	0.267 7	0.434 9	0.048 8	0.092 9	0.257 4	0.030 9	0.097 10	0.189 9	0.000 5	0.089 7	0.000 11	0.000 2	0.000 8	0.000 6	0.115 8	0.166 9	0.222 11	0.222 9	0.003 9	0.127 7	0.213 9	0.169 7	0.000 2	0.000 1	0.000 9	0.000 8	0.044 9	0.000 5	0.000 5	0.000 10	0.000 10	0.268 11	0.222 8	0.130 8	0.494 9	0.000 4	0.000 1	0.363 9	0.015 9	0.000 9	0.000 9	0.000 6	0.000 9	0.611 7	0.400 9	0.000 8	0.056 8	0.278 9	0.242 10	0.180 9	0.000 9	0.383 10	0.000 7	0.209 7	0.000 2	0.000 9	0.000 4	0.364 8	0.000 3	0.000 8	0.000 3	0.323 9	0.302 9	0.019 10	0.654 7	0.000 8	0.000 6	0.141 8	0.045 9	0.000 9	0.427 11	0.514 7	0.143 9	0.000 6	0.028 10	0.000 3	0.252 9	0.402 10	0.156 10	0.000 7	0.028 8	0.470 7	0.000 5	0.444 6	0.000 3	0.000 3	0.000 2	0.205 9	0.000 2	0.000 1	0.203 9	0.381 8	0.026 9	0.037 9	0.000 9	0.881 8	0.099 10	0.135 10	0.239 9	0.000 10	0.585 10	0.000 1	0.000 7	0.616 6	0.778 6	0.322 8	0.000 1	0.000 8	0.407 8	0.000 1	0.333 8	0.148 8	0.177 9	0.242 9	0.028 9
David Rozenberszki, Or Litany, Angela Dai: Language-Grounded Indoor 3D Semantic Segmentation in the Wild.

ScanNet200 3D Semantic Instance Benchmark