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。

awesome-radar-perception - 自动驾驶雷达感知技术资源库 数据集算法全覆盖
Github传感器融合信号处理开源项目目标检测自动驾驶雷达数据集
这个开源项目汇集了自动驾驶雷达感知领域的综合资源,包括各类雷达数据集、信号处理工具、检测跟踪算法和融合方法。项目还归纳了雷达感知的关键挑战,如天气影响和多径效应等。通过持续更新,该资源库旨在促进雷达感知技术在自动驾驶领域的进步。
SV3D Online - 单一图像生成3D视频与多角度视图技术
3D生成AI工具AI建模Stable Video 3D图像处理多视图合成
SV3D Online基于Stable Video 3D技术,实现单一图像到多角度视图和3D视频的转换。平台提供高质量新视角合成和3D生成功能,包括SV3D_u轨道视频生成和SV3D_p指定路径3D视频生成两种变体。网站还提供全面的学习资源和FAQ,是探索Stable Video 3D技术的综合平台。
InterFuser - 多传感器融合技术助力安全增强自动驾驶
CARLAGithubInterFuser传感器融合安全增强开源项目自动驾驶
该项目融合多模态多视角传感器信息,实现综合场景理解,生成可解释的中间特征,确保动作在安全范围内。该方法在CARLA AD排行榜上取得了最新成果,项目还提供了详细的数据生成、训练和评估步骤,以及实用工具脚本和预训练权重。
EVE - 无编码器视觉语言模型实现高效性能
EVEGithub开源项目微调无编码器视觉语言模型预训练
EVE项目开发了一种无编码器的视觉语言模型架构,通过高效训练策略和精选数据集实现了与现有编码器基础模型相当的性能。该模型支持任意纵横比图像输入,在多项基准测试中表现优异。EVE-7B和EVE-7B-HD两个版本在视觉语言任务中展现了强大能力,为跨模态纯解码器架构提供了高效实用的开发方法。
detr - Transformer架构重塑目标检测流程
DETRGithubTransformer开源项目深度学习目标检测计算机视觉
DETR项目运用Transformer架构创新性地改进了目标检测方法。该方法将传统的复杂流程转化为直接的集合预测问题,在COCO数据集上达到42 AP的性能表现,同时计算资源消耗减半。DETR结合全局损失函数与编码器-解码器结构,实现了图像的高效并行处理,大幅提升了目标检测的速度和准确性。项目开源了简洁的实现代码和预训练模型,便于研究人员进行深入探索和实际应用。
acezero - 基于增量学习的图像集合场景重建与姿态估计方法
ACE0GithubPyTorch场景坐标重建开源项目深度估计相机注册
该项目提出了一种基于增量学习的场景坐标重建方法,结合了RANSAC和DSAC*算法,实现了高精度的图像姿态估计。ACE0提供了丰富的实验数据和可视化工具,支持部分重建和自监督重定位等高级用例。项目代码基于PyTorch实现,并已在Ubuntu 20.04和多种GPU环境下测试。
LVM - 大规模视觉模型的创新顺序建模方法
GithubLVM大规模视觉模型序列建模开源项目视觉句子视觉预训练模型
LVM是一种创新视觉预训练模型,将多种视觉数据转化为视觉句子,并进行自回归式标记预测。该模型采用顺序建模方法,无需语言数据即可学习大规模视觉模型。通过设计视觉提示,LVM可解决多种视觉任务。兼容GPU和TPU,为大规模视觉模型学习提供新方法。
Open-MAGVIT2 - 自回归视觉生成新突破 大幅提升图像分词性能
GithubOpen-MAGVIT2图像分词器大规模词表开源项目自回归模型视觉生成
Open-MAGVIT2是一个创新的自回归视觉生成项目,采用无查找技术和262144大小的码本,克服了VQGAN的局限性。该项目用PyTorch重新实现MAGVIT2分词器,在图像分词方面取得显著进展,8倍下采样时rFID达到0.39。项目致力于推动自回归视觉生成领域发展,目前处于积极开发阶段,未来计划拓展至视频生成领域。
Awesome-Monocular-3D-detection - 最新单目3D物体检测的研究进展与资源汇总
3D检测CVPRGithubMonocular 3D Object DetectionPytorch开源项目深度学习
了解单目3D物体检测的最新研究进展,页面涵盖2024至2016年的相关学术论文,并持续更新。您可浏览详细的文章列表,涉及单目3D检测领域的各种关键主题和方法。此外,网站还提供Pytorch代码,方便研究和应用。适合研究人员、开发人员和单目3D检测领域的爱好者。
SV3D - 单图生成多角度3D视图的创新视频技术
3D建模AI工具Stable Video 3D单图3D生成新视角合成视频扩散模型
SV3D是一种基于稳定视频扩散技术的3D视频生成工具,能将单一图像转化为动态3D视图和网格模型。它提供SV3D_u和SV3D_p两种模型,适用于不同场景。SV3D在多视角合成和3D生成方面表现优异,可用于商业和非商业领域,为用户提供高质量、一致性强的3D可视化效果。
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