Project Icon

DSVT

易于部署的大规模点云3D对象检测系统

DSVT是一款高效且易于部署的大规模点云3D对象检测系统,适用于Waymo和NuScenes等数据集。通过动态稀疏体素变换器和旋转集合分区策略,DSVT实现了27Hz的实时推理速度,提供了在单帧和多帧检测中的卓越表现,适用于自动驾驶等场景。

Depth-Anything - 大规模无标注数据驱动的强大单目深度估计模型
Depth AnythingGithub人工智能图像处理开源项目深度估计计算机视觉
Depth Anything是一款基于大规模数据训练的单目深度估计模型。它利用150万标注图像和6200万无标注图像进行训练,提供小型、中型和大型三种预训练模型。该模型不仅支持相对深度和度量深度估计,还可用于ControlNet深度控制、场景理解和视频深度可视化等任务。在多个基准数据集上,Depth Anything的性能超越了此前最佳的MiDaS模型,展现出优异的鲁棒性和准确性。
rtdetr_r101vd_coco_o365 - 实时目标检测革新者RT-DETR超越传统性能表现
GithubHuggingfaceRT-DETR开源项目模型模型训练深度学习目标检测计算机视觉
RT-DETR通过混合编码器架构和不确定性最小化查询选择方法实现目标检测任务。在COCO数据集测试中,RT-DETR-R101版本达到56.2% AP精度,T4 GPU上处理速度为74 FPS。模型可通过调整解码器层数实现速度与精度的灵活平衡,为实时目标检测领域提供新的技术方案。
MonoGS - 基于3D高斯分布的实时场景重建与定位系统
3D重建CVPR 2024Gaussian Splatting SLAMGithub单目SLAM实时视觉定位开源项目
MonoGS是一个基于3D高斯分布的SLAM系统,支持单目、双目和RGB-D输入。该系统实现了实时稠密三维重建和精确相机定位,在室内场景中表现优异。通过高斯分布表示三维场景,MonoGS采用创新优化方法实现高效场景更新和渲染。作为CVPR 2024亮点论文,MonoGS展示了在计算机视觉和机器人领域的应用前景。
MVision - 前沿机器视觉与智能算法技术集合
GithubSLAM技术开源项目无人驾驶机器视觉深度学习计算机视觉
MVision专注于探索机器视觉与人工智能的前沿研究和应用。该平台涵盖自然语言处理、深度学习和计算机视觉课程等多个方面,提供如ICDM、NIPS等重要会议的资源链接和最新机器学习研究文献。同时,MVision也关注无人驾驶、动态物体检测等实际应用领域,致力于提供全面的学习和实践资源,以推动技术进步和行业发展。
stable-fast-3d - 通过单图生成低多边形UV贴图3D模型的高速大规模重建技术
GithubHuggingfaceStability AIStable Fast 3D企业许可图像到3D安全措施开源项目模型
Stable Fast 3D是由Stability AI开发的一种利用Transformer架构的图像到3D转换模型,能够通过512x512像素的单幅图像快速生成低多边形贴图的3D模型。这些模型适用于游戏引擎和渲染等应用环境,广泛应用于艺术创作、教育工具和设计流程。模型基于Objaverse数据集进行训练,为年收入低于100万美元的用户提供Community License下的免费商业使用权限,而超过此收入的商业用户需申请企业许可。
openscene - 零样本3D场景理解和任务执行工具
3D场景理解CVPR 2023GithubOpenScene开源项目语义分割零样本
OpenScene是一个实时交互的3D场景理解工具,支持使用开放词汇进行查询。用户可输入任意短语,系统会自动高亮相应区域。支持多种数据集和预处理选项,可执行零样本3D语义分割、稀有物体搜索和基于图像的3D物体检测。其特点包括无需GPU运行、支持多视角特征融合和模型蒸馏。所有代码和数据集均可在GitHub获取,适用于广泛的研究和开发应用。
Vision-Centric-BEV-Perception - 视觉驱动的鸟瞰视角感知技术与应用综述
Depth based PV2BEVGEOMETRY BASED PV2BEVGithubNETWORK BASED PV2BEVTransformer based PV2BEVVision-Centric BEV Perception开源项目
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。
dpt-beit-large-512 - BEiT架构驱动的高性能单目深度估计模型
BEiTDPTGithubHuggingfaceMiDaS单目深度估计开源项目模型计算机视觉
dpt-beit-large-512是一款基于BEiT架构的单目深度估计模型,采用512x512高分辨率在140万张图像上训练。模型能从单一图像推断详细深度信息,在多项基准测试中表现卓越。作为MiDaS v3.1系列中的佼佼者,该模型在3D重建、自动驾驶等计算机视觉任务中展现出强大的深度估计能力。
zero123 - 零样本单图像到3D对象转换技术
3D重建GithubObjaverseZero-1-to-3单视图开源项目稳定扩散
探索一种创新技术,通过一张图像实现高精度的3D对象重建。研究介绍了如何使用Zero123进行新视角合成和3D重建,解决了文字转图像模型中的视角歧义问题,并展示了其在多种应用中的卓越性能。项目还包括Zero123-XL和Objaverse-XL的最新权重发布,以及详细的使用和训练指南,支持研究者和开发者在现有硬件上进行开发和测试。
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

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

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