Project Icon

Vision-Centric-BEV-Perception

视觉驱动的鸟瞰视角感知技术与应用综述

本文全面探讨了视觉驱动的鸟瞰视角(BEV)感知技术的应用和最新进展。文章覆盖了多个数据集、几何转换以及网络架构,展示了在逆向透视投影、深度转换和网络基础的PV2BEV转换领域的研究成果。还总结了从MLP到Transformer等现代架构在3D检测和语义分割任务上的表现,并提供了详细的时间线和基准测试结果,帮助读者理解和利用这些技术在自动驾驶等相关领域。

EmbodiedScan - 全面多模态3D感知套件,提高具身AI的理解能力
3D感知EmbodiedScanGithubMMScan多模态开源项目深度学习
EmbodiedScan及其系列如MMScan是专为多模态3D感知设计的开放数据集与基准,用于深入理解第一人称3D场景。包含超过5000次扫描、100万RGB-D视图、语言提示和160k 3D定向框。基于此数据库的Embodied Perceptron展示了在3D感知和语言定位中的优秀表现,适用于计算机视觉和机器人领域。通过我们的演示和基准测试,了解详细信息和应用案例。
S3Gaussian - 自监督3D高斯模型提升自动驾驶动态场景解析
3D高斯GithubS3Gaussian场景分解开源项目无人驾驶自监督学习
S3Gaussian使用3D高斯模型进行自监督动态街景解析,增强了自动驾驶的场景分解和渲染效果。该项目采用多分辨率hexplane编码器和多头高斯解码器,将4D网格编码为特征平面,并解码为4D高斯模型。无需额外注释即可优化模型。最新代码和评估已发布,详细介绍了环境配置、数据准备、训练和可视化过程。
VisionLLaMA - 基于LLaMA的统一视觉模型,为图像生成和理解设立新基准
GithubVisionLLaMA图像理解图像生成开源项目计算机视觉预训练模型
VisionLLaMA是一个基于LLaMA架构的统一视觉Transformer模型,专为处理2D图像而设计。该模型提供平面和金字塔两种形式,适用于广泛的视觉任务,包括图像感知和生成。通过各种预训练范式的广泛评估,VisionLLaMA在多项图像生成和理解任务中展现出卓越性能,超越了现有最先进的视觉Transformer模型,为计算机视觉领域提供了新的基准。
2dimageto3dmodel - 创新损失函数实现单图2D到3D模型生成
3D模型生成GANGithub单图重建开源项目损失函数点云
该项目开发了一种新型损失函数,能够直接从单张2D图像生成3D模型,无需复杂的渲染过程。项目采用条件GAN架构实现纹理映射,并优化了点云到3D网格的转换技术。在CUB鸟类和Pascal 3D+数据集上的测试显示了显著效果。此外,项目还提供预训练模型、伪真值生成和网格生成器训练等功能,为3D重建研究领域贡献了实用工具和参考方法。
CrossFormer - 融合跨尺度注意力的高效视觉Transformer
CrossFormer++Github图像分类开源项目目标检测视觉Transformer跨尺度注意力
CrossFormer++是一种创新的视觉Transformer模型,通过跨尺度注意力机制解决了不同尺度对象特征间建立关联的问题。该模型引入跨尺度嵌入层和长短距离注意力等设计,并采用渐进式分组策略和激活冷却层来平衡性能与计算效率。在图像分类、目标检测和语义分割等视觉任务中表现优异,尤其在密集预测任务中效果显著。CrossFormer++为计算机视觉领域提供了一种灵活高效的新型架构。
Awesome-Transformer-in-Medical-Imaging - Transformer在医学图像分析中的应用进展综述
GithubVision Transformer医学图像分析图像分割图像分类开源项目深度学习
本项目整理了Transformer模型在医学图像分析中的最新研究进展。内容涵盖图像分类、分割、重建、合成等多个领域,系统地归纳和分类了相关论文。项目提供了医学图像分析中Transformer应用的分类体系,详细的参考文献,以及开源代码库链接,为研究人员提供了全面的学习和实践资源。
superpoint_transformer - 高效3D场景语义和全景分割的超点变换器
3D全景分割3D语义分割GithubICCV 2023SuperClusterSuperpoint Transformer开源项目
Superpoint Transformer 是一种超点 transformer 架构,适用于大规模 3D 场景的语义分割。通过自注意机制和层次化超点结构,它能多尺度挖掘超点间关系,性能卓越。同时,SuperCluster 将全景分割任务转化为超点图聚类任务,能在单个 GPU 上处理大规模场景。项目亮点包括显著的SOTA表现、快速训练和预处理等。点击查看更多详情及项目更新。
3D-BoundingBox - 使用深度学习与几何方法,实现高效的3D边界框估计
3D Bounding BoxGithubKittiPyTorchYOLOv3开源项目深度学习
项目提供基于PyTorch的深度学习解决方案,通过结合YOLOv3和2D-3D几何转换,实现高效3D边界框估计。主要功能包括下载预训练权重、通过视频和图像数据进行模型推理和训练,依赖PyTorch和其他深度学习库。项目未来计划是在Kitti数据集上训练自定义YOLO网络和姿态可视化。目前版本每帧处理时间约为0.4秒,并计划进一步提升速度。文档中详细介绍了模型训练步骤及实际应用操作。
CVPR2024-Papers-with-Code - 探索CVPR 2024最新发布的计算机视觉论文与代码集锦
CVPR 2024Github人工智能开源项目机器学习深度学习计算机视觉
CVPR 2024的论文和代码集锦,涵盖3D建模、机器学习、视觉感知等多种计算机视觉领域,为研究人员和技术开发者提供一站式检索最新科研成果与实用工具。
Depth-Anything-V2 - 单目深度估计新突破,高精度与快速推理并重
Depth Anything V2Github开源项目深度估计计算机视觉预训练模型
Depth-Anything-V2是单目深度估计领域的新进展。该模型在细节表现和鲁棒性上显著优于V1版本,并在推理速度、参数量和深度精度方面超越了基于SD的模型。项目提供四种预训练模型,适用于相对和度量深度估计,可处理图像和视频。此外,发布的DA-2K基准为深度估计研究设立了新标准。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号