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%	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

AQ3D-ScanNet200	0.491 2	0.675 1	0.458 1	0.308 3	0.823 2	0.153 3	0.500 1	0.500 1	0.833 1	0.000 1	0.104 5	0.444 7	0.834 1	1.000 1	0.955 4	0.564 4	1.000 1	0.025 5	0.533 5	0.371 4	0.333 5	0.458 3	0.459 1	0.754 3	0.258 6	0.167 5	0.307 3	0.000 1	0.083 1	0.605 3	0.596 1	0.250 7	0.000 1	0.500 1	0.000 3	0.832 4	0.073 6	0.907 1	0.009 3	0.005 7	0.553 1	0.310 1	0.667 2	0.056 2	0.000 1	0.489 9	0.804 5	0.250 6	0.754 11	1.000 1	0.860 4	0.049 6	0.362 2	0.824 1	0.160 3	0.026 8	0.796 1	0.023 7	0.750 1	0.600 1	0.846 3	0.530 3	0.778 2	0.438 6	0.077 7	0.473 5	0.991 1	0.141 3	0.318 6	0.200 4	0.000 2	0.517 4	0.500 1	0.319 3	0.829 3	0.917 6	0.648 2	0.506 5	0.737 3	0.698 3	0.434 6	0.000 2	0.000 1	0.517 3	0.105 3	0.431 1	0.000 5	0.563 2	0.479 3	0.400 3	0.831 5	0.658 4	0.521 3	0.919 5	0.000 4	0.000 1	0.896 2	0.074 7	0.328 2	1.000 1	0.071 2	0.667 1	1.000 1	0.868 2	0.083 5	0.428 5	1.000 1	0.925 1	0.768 2	0.147 1	0.879 2	0.000 7	0.640 2	0.000 2	0.141 8	0.000 4	0.667 6	0.000 3	1.000 1	0.133 1	0.765 3	1.000 1	0.534 2	0.929 2	1.000 1	0.029 2	0.305 4	0.551 3	1.000 1	1.000 1	1.000 1	0.714 7	1.000 1	0.713 1	0.000 3	0.662 6	0.818 5	0.347 3	0.172 3	0.281 2	1.000 1	0.000 5	0.576 3	0.004 2	0.000 3	0.000 2	0.778 2	0.000 2	0.000 1	0.671 3	0.712 2	0.698 3	1.000 1	0.716 1	1.000 1	0.517 5	0.750 3	0.737 3	0.433 3	0.934 1	0.000 1	0.083 2	0.764 5	1.000 1	1.000 1	0.000 1	0.664 1	1.000 1	0.000 1	0.333 8	0.667 3	0.498 6	0.666 2	0.923 1

ACGP-ScanNet200	0.494 1	0.656 2	0.453 3	0.345 1	0.723 4	0.178 2	0.500 1	0.500 1	0.708 2	0.000 1	0.020 9	0.592 3	0.695 4	1.000 1	0.933 6	0.511 6	1.000 1	0.035 4	1.000 1	0.378 3	0.528 3	0.307 6	0.442 2	0.834 1	0.260 5	1.000 1	0.313 2	0.000 1	0.042 2	0.540 5	0.484 6	1.000 1	0.000 1	0.396 4	0.000 3	0.853 1	0.189 5	0.771 7	0.010 2	0.023 3	0.471 2	0.276 3	0.817 1	0.000 5	0.000 1	0.903 2	0.838 1	0.444 5	0.817 4	1.000 1	0.831 8	0.212 1	0.310 4	0.718 2	0.000 5	0.396 2	0.687 5	1.000 1	0.677 6	0.400 2	0.864 2	0.545 2	0.573 6	0.500 4	0.062 8	0.511 3	0.931 2	0.144 2	0.637 2	0.317 3	0.000 2	0.638 3	0.000 6	0.396 1	0.819 5	1.000 1	0.655 1	0.532 3	0.714 4	0.680 4	0.510 3	0.000 2	0.000 1	0.387 6	0.071 4	0.405 2	0.036 4	0.250 3	0.449 5	0.600 2	0.836 4	0.677 3	0.566 2	0.963 1	0.000 4	0.000 1	0.743 8	0.148 1	0.035 4	1.000 1	0.089 1	0.472 2	1.000 1	0.765 5	0.500 2	0.671 1	0.500 3	0.871 2	0.633 5	0.040 7	0.736 4	0.204 4	0.627 3	0.008 1	0.146 7	0.024 3	0.835 2	0.000 3	0.250 7	0.005 2	0.842 2	0.974 2	0.590 1	0.893 5	1.000 1	0.007 4	0.344 1	0.495 5	1.000 1	1.000 1	0.792 7	0.835 5	1.000 1	0.643 2	0.000 3	0.823 1	0.844 4	0.360 2	0.341 2	0.088 9	0.703 6	0.000 5	0.548 4	0.000 3	0.000 3	0.000 2	0.667 6	0.000 2	0.000 1	0.702 2	0.746 1	0.664 4	1.000 1	0.304 5	0.997 5	0.424 7	0.750 3	0.840 1	0.204 8	0.914 3	0.000 1	0.064 3	0.800 2	1.000 1	1.000 1	0.000 1	0.461 2	0.903 3	0.000 1	0.504 3	0.850 1	0.618 2	0.633 3	0.657 2
Rongkun Yang, Ye Zhang, Longguang Wang, Zhiheng Fu, Lian Xu, Yulan Guo: Beyond Context Bias: Adaptive Instance Placement for Robust 3D Instance Segmentation.
DINO3D-Scannet200	0.454 4	0.587 4	0.453 2	0.296 4	0.851 1	0.200 1	0.500 1	0.000 4	0.042 5	0.000 1	0.378 1	0.545 4	0.729 3	1.000 1	0.981 3	0.355 11	1.000 1	0.046 2	0.000 8	0.248 5	0.000 6	0.494 2	0.381 5	0.586 10	0.496 2	0.250 3	0.409 1	0.000 1	0.000 4	0.714 1	0.572 2	1.000 1	0.000 1	0.250 6	0.050 2	0.793 5	0.436 3	0.871 3	0.000 5	0.216 1	0.284 3	0.290 2	0.083 8	0.000 5	0.000 1	0.764 4	0.716 10	0.500 2	0.842 3	1.000 1	0.891 2	0.096 3	0.361 3	0.690 5	0.000 5	0.595 1	0.753 3	0.708 4	0.750 1	0.400 2	0.845 5	0.475 5	0.728 3	0.750 1	0.214 2	0.683 2	0.743 6	0.000 5	0.400 5	0.200 4	0.500 1	0.944 1	0.125 5	0.327 2	0.823 4	0.792 7	0.602 4	0.662 1	0.777 2	0.803 1	0.675 1	0.000 2	0.000 1	0.200 8	0.298 1	0.324 4	0.000 5	0.000 5	0.000 10	0.800 1	0.824 6	0.750 1	0.507 4	0.937 3	0.000 4	0.000 1	0.779 7	0.116 3	0.001 8	0.417 7	0.000 6	0.014 7	1.000 1	0.816 3	0.548 1	0.600 2	0.500 3	0.771 5	0.773 1	0.117 2	0.944 1	0.764 1	0.571 5	0.000 2	0.250 5	0.000 4	1.000 1	0.063 1	1.000 1	0.000 3	0.720 5	0.974 2	0.079 9	0.918 4	0.000 8	0.000 6	0.312 3	0.616 1	0.125 5	1.000 1	1.000 1	0.857 2	0.000 6	0.594 4	0.000 3	0.767 3	0.845 3	0.264 7	0.419 1	0.177 6	0.667 8	0.000 5	0.677 1	0.000 3	0.194 1	0.000 2	0.857 1	0.000 2	0.000 1	0.563 5	0.703 3	0.835 2	0.850 4	0.346 4	0.944 9	0.499 6	0.866 2	0.777 2	0.221 7	0.911 4	0.000 1	0.011 5	0.721 6	0.764 10	0.520 8	0.000 1	0.442 3	0.405 9	0.000 1	0.667 1	0.655 4	0.473 7	0.614 5	0.437 6
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
TD3D Scannet200	0.320 8	0.501 8	0.264 8	0.164 8	0.506 8	0.062 7	0.500 1	0.000 4	0.000 6	0.000 1	0.208 3	0.431 8	0.252 9	1.000 1	0.733 9	0.587 3	0.000 8	0.008 7	0.000 8	0.106 6	0.000 6	0.356 4	0.123 10	0.686 4	0.101 8	0.000 6	0.152 8	0.000 1	0.000 4	0.226 7	0.280 9	0.000 8	0.000 1	0.250 6	0.000 3	0.619 7	0.061 9	0.841 4	0.000 5	0.000 8	0.167 7	0.194 6	0.333 6	0.000 5	0.000 1	0.667 6	0.820 3	0.250 6	0.790 8	1.000 1	0.879 3	0.077 5	0.094 9	0.708 3	0.217 2	0.049 7	0.634 6	0.792 2	0.331 10	0.033 11	0.716 8	0.159 8	0.396 8	0.331 8	0.099 6	0.415 6	0.842 3	0.000 5	0.458 4	0.542 1	0.000 2	0.101 7	0.000 6	0.218 6	0.513 8	0.500 8	0.458 8	0.104 8	0.516 5	0.456 6	0.268 10	0.000 2	0.000 1	0.400 4	0.022 6	0.233 6	0.143 3	0.000 5	0.677 1	0.400 3	0.504 11	0.095 9	0.083 11	0.890 7	0.061 3	0.000 1	0.906 1	0.076 6	0.231 3	0.125 8	0.000 6	0.003 8	0.792 9	0.881 1	0.000 8	0.098 9	0.125 10	0.498 10	0.459 8	0.063 4	0.715 6	0.000 7	0.241 9	0.000 2	0.396 4	0.063 2	0.605 7	0.000 3	0.000 8	0.000 3	0.448 11	0.629 9	0.202 7	0.967 1	0.250 6	0.038 1	0.192 7	0.185 8	0.083 8	1.000 1	1.000 1	0.857 2	0.000 6	0.470 6	0.012 1	0.565 9	0.798 7	0.621 1	0.111 5	0.500 1	1.000 1	0.017 3	0.509 6	0.000 3	0.008 2	1.000 1	0.525 8	0.000 2	0.000 1	0.332 9	0.679 4	0.264 8	0.333 7	0.267 6	1.000 1	0.549 3	0.299 11	0.387 8	0.328 4	0.744 10	0.000 1	0.000 7	0.435 11	1.000 1	0.283 10	0.000 1	0.196 4	0.817 4	0.000 1	0.472 4	0.222 8	0.123 10	0.560 7	0.156 8
Maksim Kolodiazhnyi, Anna Vorontsova, Anton Konushin, Danila Rukhovich: Top-Down Beats Bottom-Up in 3D Instance Segmentation. WACV 2024
CompetitorFormer-200	0.415 5	0.574 5	0.370 6	0.274 5	0.632 5	0.054 8	0.500 1	0.083 3	0.000 6	0.000 1	0.260 2	0.541 5	0.410 6	0.903 8	0.987 2	0.885 1	0.500 5	0.064 1	0.250 6	0.378 2	1.000 1	0.243 7	0.428 3	0.599 8	0.218 7	1.000 1	0.196 6	0.000 1	0.000 4	0.587 4	0.318 8	1.000 1	0.000 1	0.500 1	0.000 3	0.845 2	0.232 4	0.885 2	0.005 4	0.015 4	0.216 6	0.183 7	0.399 5	0.082 1	0.000 1	0.724 5	0.806 4	0.500 2	0.869 2	1.000 1	0.779 9	0.095 4	0.443 1	0.685 6	0.021 4	0.269 4	0.704 4	0.083 6	0.467 9	0.400 2	0.846 4	0.551 1	0.663 4	0.261 9	0.103 5	0.482 4	0.758 5	0.025 4	0.018 8	0.400 2	0.000 2	0.677 2	0.500 1	0.207 7	0.881 2	1.000 1	0.600 5	0.648 2	0.144 10	0.641 5	0.452 4	0.000 2	0.000 1	0.327 7	0.142 2	0.209 7	0.000 5	0.083 4	0.215 8	0.317 7	0.748 7	0.508 6	0.484 5	0.957 2	0.000 4	0.000 1	0.833 4	0.132 2	0.400 1	0.663 3	0.015 5	0.103 5	1.000 1	0.759 6	0.125 4	0.286 6	0.500 3	0.830 4	0.651 4	0.089 3	0.540 9	0.380 3	0.581 4	0.000 2	0.500 1	0.000 4	0.745 3	0.050 2	1.000 1	0.000 3	0.622 8	0.694 7	0.213 6	0.870 7	0.125 7	0.000 6	0.205 6	0.562 2	0.000 9	0.933 9	1.000 1	0.820 6	0.250 5	0.347 8	0.000 3	0.731 5	0.877 1	0.289 5	0.160 4	0.186 5	0.684 7	0.008 4	0.538 5	0.000 3	0.000 3	0.000 2	0.700 5	0.056 1	0.000 1	0.491 6	0.584 8	0.602 6	0.489 5	0.565 2	1.000 1	0.311 9	0.750 3	0.583 6	0.292 5	0.832 7	0.000 1	0.157 1	0.780 4	1.000 1	0.625 6	0.000 1	0.131 5	0.794 5	0.000 1	0.667 1	0.071 10	0.545 4	0.682 1	0.462 4

Volt-SPFormer	0.475 3	0.630 3	0.451 4	0.314 2	0.772 3	0.068 6	0.500 1	0.000 4	0.125 3	0.000 1	0.107 4	0.524 6	0.742 2	1.000 1	0.994 1	0.400 7	0.500 5	0.019 6	1.000 1	0.410 1	0.667 2	0.500 1	0.423 4	0.811 2	0.412 3	0.250 3	0.281 4	0.000 1	0.000 4	0.519 6	0.541 4	1.000 1	0.000 1	0.331 5	0.000 3	0.841 3	0.638 1	0.806 6	0.000 5	0.014 5	0.241 5	0.245 4	0.333 6	0.028 4	0.000 1	0.817 3	0.825 2	0.250 6	0.799 7	1.000 1	0.847 5	0.129 2	0.294 5	0.702 4	0.000 5	0.304 3	0.755 2	0.000 8	0.750 1	0.400 2	0.923 1	0.482 4	0.900 1	0.208 10	0.319 1	0.750 1	0.823 4	0.000 5	0.510 3	0.200 4	0.000 2	0.500 5	0.500 1	0.300 5	0.903 1	1.000 1	0.564 6	0.372 6	1.000 1	0.787 2	0.449 5	0.250 1	0.000 1	0.600 1	0.026 5	0.375 3	0.000 5	1.000 1	0.455 4	0.400 3	0.878 2	0.641 5	0.612 1	0.894 6	0.000 4	0.000 1	0.800 5	0.078 5	0.008 6	0.500 4	0.056 3	0.278 4	1.000 1	0.797 4	0.500 2	0.585 3	1.000 1	0.869 3	0.735 3	0.056 5	0.768 3	0.043 6	0.714 1	0.000 2	0.500 1	0.250 1	0.683 5	0.000 3	1.000 1	0.000 3	0.853 1	0.944 4	0.255 4	0.923 3	1.000 1	0.002 5	0.224 5	0.499 4	0.250 4	1.000 1	1.000 1	0.857 2	1.000 1	0.613 3	0.000 3	0.818 2	0.857 2	0.343 4	0.000 7	0.209 4	0.629 10	0.025 2	0.500 7	0.000 3	0.000 3	0.000 2	0.725 4	0.000 2	0.000 1	0.716 1	0.666 6	0.651 5	1.000 1	0.500 3	0.990 8	0.565 2	0.750 3	0.699 4	0.167 9	0.930 2	0.000 1	0.019 4	0.784 3	1.000 1	1.000 1	0.000 1	0.099 6	1.000 1	0.000 1	0.472 4	0.764 2	0.546 3	0.621 4	0.452 5
Kadir Yilmaz, Adrian Kruse, Tristan Höfer, Daan de Geus, Bastian Leibe: Volume Transformer: Revisiting Vanilla Transformers for 3D Scene Understanding.
Mask3D Scannet200	0.388 6	0.542 6	0.357 7	0.237 7	0.610 6	0.091 5	0.125 11	0.000 4	0.000 6	0.000 1	0.065 7	0.668 1	0.451 5	1.000 1	0.955 4	0.640 2	0.500 5	0.039 3	0.125 7	0.063 8	0.409 4	0.311 5	0.291 6	0.609 7	0.266 4	0.000 6	0.163 7	0.000 1	0.008 3	0.044 8	0.496 5	1.000 1	0.000 1	0.018 8	0.000 3	0.756 6	0.573 2	0.808 5	0.000 5	0.010 6	0.042 9	0.130 9	0.552 4	0.042 3	0.000 1	1.000 1	0.725 8	0.750 1	0.883 1	1.000 1	0.832 7	0.024 8	0.107 7	0.614 8	0.226 1	0.250 5	0.628 7	0.792 2	0.677 6	0.400 2	0.741 7	0.278 7	0.511 7	0.077 11	0.111 4	0.313 8	0.715 7	0.302 1	0.017 9	0.200 4	0.000 2	0.188 6	0.000 6	0.178 8	0.736 7	1.000 1	0.615 3	0.514 4	0.409 6	0.380 11	0.600 2	0.000 2	0.000 1	0.400 4	0.013 7	0.254 5	0.381 1	0.000 5	0.123 9	0.400 3	0.839 3	0.258 7	0.463 6	0.926 4	0.265 2	0.000 1	0.857 3	0.099 4	0.021 5	0.500 4	0.027 4	0.028 6	1.000 1	0.502 11	0.016 7	0.076 10	0.500 3	0.612 6	0.578 6	0.005 8	0.597 7	0.194 5	0.497 6	0.000 2	0.500 1	0.000 4	0.323 10	0.000 3	1.000 1	0.000 3	0.748 4	0.708 6	0.050 10	0.890 6	1.000 1	0.008 3	0.151 9	0.301 7	1.000 1	1.000 1	0.792 7	0.945 1	1.000 1	0.511 5	0.004 2	0.753 4	0.776 8	0.287 6	0.020 6	0.003 10	0.974 4	0.033 1	0.412 11	0.000 3	0.000 3	0.000 2	0.667 6	0.000 2	0.000 1	0.491 7	0.676 5	0.352 7	0.335 6	0.060 8	0.822 11	0.527 4	1.000 1	0.517 7	0.606 1	0.853 6	0.000 1	0.004 6	0.806 1	1.000 1	0.727 4	0.000 1	0.042 7	0.739 6	0.000 1	0.399 7	0.391 5	0.504 5	0.591 6	0.571 3
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	0.484 9	0.108 4	0.500 1	0.000 4	0.125 3	0.000 1	0.058 8	0.647 2	0.385 7	0.667 9	0.853 7	0.542 5	1.000 1	0.000 8	1.000 1	0.093 7	0.000 6	0.028 10	0.274 7	0.682 5	0.550 1	0.000 6	0.269 5	0.000 1	0.000 4	0.714 1	0.566 3	1.000 1	0.000 1	0.500 1	0.125 1	0.585 8	0.066 8	0.653 11	0.083 1	0.049 2	0.264 4	0.227 5	0.667 2	0.000 5	0.000 1	0.278 11	0.723 9	0.250 6	0.786 9	1.000 1	0.744 11	0.039 7	0.209 6	0.494 10	0.000 5	0.250 5	0.446 8	0.500 5	0.750 1	0.200 8	0.780 6	0.333 6	0.602 5	0.469 5	0.163 3	0.406 7	0.530 9	0.000 5	0.668 1	0.200 4	0.000 2	0.000 8	0.500 1	0.313 4	0.769 6	1.000 1	0.511 7	0.196 7	0.286 7	0.393 10	0.337 7	0.000 2	0.000 1	0.600 1	0.000 8	0.174 8	0.226 2	0.000 5	0.579 2	0.200 8	0.887 1	0.750 1	0.428 7	0.782 8	0.438 1	0.000 1	0.795 6	0.063 8	0.003 7	0.500 4	0.000 6	0.333 3	1.000 1	0.742 7	0.083 5	0.585 3	0.417 9	0.448 11	0.496 7	0.055 6	0.734 5	0.472 2	0.174 10	0.000 2	0.250 5	0.000 4	0.688 4	0.000 3	1.000 1	0.000 3	0.631 7	0.667 8	0.275 3	0.694 11	1.000 1	0.000 6	0.328 2	0.422 6	0.000 9	1.000 1	0.500 9	0.638 8	0.000 6	0.391 7	0.000 3	0.582 8	0.800 6	0.208 10	0.000 7	0.246 3	0.667 8	0.000 5	0.638 2	0.167 1	0.000 3	0.000 2	0.778 2	0.000 2	0.000 1	0.563 4	0.614 7	0.841 1	0.333 7	0.250 7	0.938 10	0.569 1	0.500 9	0.695 5	0.264 6	0.863 5	0.000 1	0.000 7	0.550 10	1.000 1	0.668 5	0.000 1	0.000 8	0.667 7	0.000 1	0.333 8	0.333 6	0.665 1	0.434 8	0.264 7

Minkowski 34D Inst.	0.203 11	0.369 10	0.134 11	0.078 11	0.479 10	0.003 10	0.500 1	0.000 4	0.000 6	0.000 1	0.100 6	0.371 9	0.300 8	0.667 9	0.746 8	0.400 7	0.000 8	0.000 8	0.000 8	0.031 9	0.000 6	0.074 9	0.165 9	0.413 11	0.000 10	0.000 6	0.070 10	0.000 1	0.000 4	0.000 9	0.221 11	0.000 8	0.000 1	0.000 9	0.000 3	0.372 11	0.070 7	0.706 9	0.000 5	0.000 8	0.000 11	0.123 10	0.033 11	0.000 5	0.000 1	0.422 10	0.732 7	0.000 10	0.778 10	1.000 1	0.845 6	0.000 9	0.090 10	0.636 7	0.000 5	0.000 9	0.158 10	0.000 8	0.250 11	0.050 10	0.693 9	0.123 10	0.051 11	0.385 7	0.009 10	0.118 11	0.406 11	0.000 5	0.000 10	0.200 4	0.000 2	0.000 8	0.000 6	0.133 10	0.307 11	0.500 8	0.251 10	0.000 10	0.281 8	0.402 9	0.317 8	0.000 2	0.000 1	0.000 9	0.000 8	0.060 10	0.000 5	0.000 5	0.396 6	0.200 8	0.669 8	0.021 10	0.218 10	0.720 11	0.000 4	0.000 1	0.696 9	0.025 10	0.000 9	0.000 9	0.000 6	0.000 9	0.125 11	0.596 8	0.000 8	0.191 7	0.500 3	0.595 7	0.369 10	0.000 9	0.500 10	0.000 7	0.143 11	0.000 2	0.000 9	0.000 4	0.226 11	0.000 3	0.000 8	0.000 3	0.701 6	0.511 10	0.000 11	0.851 9	0.000 8	0.000 6	0.150 10	0.052 11	0.100 7	0.981 8	0.500 9	0.286 9	0.000 6	0.000 11	0.000 3	0.545 10	0.522 11	0.250 8	0.000 7	0.000 11	0.522 11	0.000 5	0.500 7	0.000 3	0.000 3	0.000 2	0.282 11	0.000 2	0.000 1	0.178 11	0.382 10	0.018 11	0.056 10	0.000 9	0.997 5	0.107 11	0.677 7	0.313 10	0.000 10	0.726 11	0.000 1	0.000 7	0.583 9	0.903 9	0.200 11	0.000 1	0.000 8	0.333 10	0.000 1	0.442 6	0.083 9	0.109 11	0.387 10	0.000 11
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	0.506 7	0.007 9	0.500 1	0.000 4	0.000 6	0.000 1	0.000 11	0.093 11	0.221 10	0.667 9	0.524 11	0.400 7	0.000 8	0.000 8	0.000 8	0.004 10	0.000 6	0.000 11	0.109 11	0.589 9	0.000 10	0.000 6	0.059 11	0.000 1	0.000 4	0.000 9	0.322 7	0.000 8	0.000 1	0.000 9	0.000 3	0.405 9	0.055 10	0.700 10	0.000 5	0.000 8	0.028 10	0.091 11	0.083 8	0.000 5	0.000 1	0.667 6	0.768 6	0.000 10	0.807 6	1.000 1	0.776 10	0.000 9	0.000 11	0.340 11	0.000 5	0.000 9	0.103 11	0.000 8	0.750 1	0.200 8	0.634 11	0.053 11	0.246 9	0.677 3	0.006 11	0.198 9	0.432 10	0.000 5	0.000 10	0.050 10	0.000 2	0.000 8	0.000 6	0.111 11	0.356 10	0.500 8	0.188 11	0.000 10	0.220 9	0.448 7	0.050 11	0.000 2	0.000 1	0.000 9	0.000 8	0.032 11	0.000 5	0.000 5	0.396 6	0.000 10	0.573 10	0.000 11	0.228 9	0.747 10	0.000 4	0.000 1	0.573 11	0.021 11	0.000 9	0.000 9	0.000 6	0.000 9	0.500 10	0.573 9	0.000 8	0.000 11	0.125 10	0.592 8	0.364 11	0.000 9	0.450 11	0.000 7	0.364 7	0.000 2	0.000 9	0.000 4	0.340 9	0.000 3	0.000 8	0.000 3	0.610 9	0.833 5	0.221 5	0.702 10	0.000 8	0.000 6	0.135 11	0.094 10	0.125 5	0.571 10	0.500 9	0.143 11	0.000 6	0.125 9	0.000 3	0.618 7	0.667 10	0.115 11	0.000 7	0.125 7	1.000 1	0.000 5	0.500 7	0.000 3	0.000 3	0.000 2	0.502 10	0.000 2	0.000 1	0.312 10	0.248 11	0.050 10	0.000 11	0.000 9	0.997 5	0.420 8	0.500 9	0.149 11	0.451 2	0.748 8	0.000 1	0.000 7	0.636 8	0.667 11	0.600 7	0.000 1	0.000 8	0.278 11	0.000 1	0.333 8	0.000 11	0.294 8	0.381 11	0.110 9
Ji Hou, Benjamin Graham, Matthias Nießner, Saining Xie: Exploring Data-Efficient 3D Scene Understanding with Contrastive Scene Contexts. CVPR 2021
LGround Inst.	0.246 9	0.413 9	0.170 9	0.130 9	0.455 11	0.003 11	0.500 1	0.000 4	0.000 6	0.000 1	0.017 10	0.333 10	0.111 11	1.000 1	0.681 10	0.400 7	0.000 8	0.000 8	1.000 1	0.003 11	0.000 6	0.167 8	0.190 8	0.637 6	0.067 9	0.000 6	0.081 9	0.000 1	0.000 4	0.000 9	0.264 10	0.000 8	0.000 1	0.000 9	0.000 3	0.387 10	0.031 11	0.754 8	0.000 5	0.000 8	0.151 8	0.135 8	0.056 10	0.000 5	0.000 1	0.582 8	0.589 11	0.500 2	0.815 5	1.000 1	0.903 1	0.000 9	0.097 8	0.588 9	0.000 5	0.000 9	0.234 9	0.000 8	0.500 8	0.400 2	0.682 10	0.156 9	0.159 10	0.750 1	0.046 9	0.125 10	0.660 8	0.000 5	0.200 7	0.000 11	0.000 2	0.000 8	0.000 6	0.164 9	0.402 9	0.500 8	0.373 9	0.025 9	0.143 11	0.426 8	0.317 8	0.000 2	0.000 1	0.000 9	0.000 8	0.063 9	0.000 5	0.000 5	0.000 10	0.000 10	0.575 9	0.250 8	0.241 8	0.772 9	0.000 4	0.000 1	0.653 10	0.034 9	0.000 9	0.000 9	0.000 6	0.000 9	1.000 1	0.561 10	0.000 8	0.100 8	0.500 3	0.541 9	0.452 9	0.000 9	0.581 8	0.000 7	0.364 7	0.000 2	0.000 9	0.000 4	0.571 8	0.000 3	0.000 8	0.000 3	0.568 10	0.511 10	0.167 8	0.857 8	0.000 8	0.000 6	0.164 8	0.112 9	0.000 9	0.530 11	1.000 1	0.286 9	0.000 6	0.125 9	0.000 3	0.464 11	0.706 9	0.208 9	0.000 7	0.125 7	0.744 5	0.000 5	0.500 7	0.000 3	0.000 3	0.000 2	0.511 9	0.000 2	0.000 1	0.344 8	0.541 9	0.068 9	0.333 7	0.000 9	1.000 1	0.196 10	0.533 8	0.318 9	0.000 10	0.748 9	0.000 1	0.000 7	0.690 7	1.000 1	0.400 9	0.000 1	0.000 8	0.667 7	0.000 1	0.333 8	0.333 6	0.270 9	0.399 9	0.083 10
David Rozenberszki, Or Litany, Angela Dai: Language-Grounded Indoor 3D Semantic Segmentation in the Wild.

ScanNet200 3D Semantic Instance Benchmark