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。

ISBNet - 高效准确的3D点云实例分割网络实现先进场景理解
3D点云GithubISBNet实例分割开源项目深度学习计算机视觉
ISBNet是一种创新的3D点云实例分割网络,采用实例感知采样和框感知动态卷积技术。通过多任务学习方法和轴对齐边界框预测,ISBNet在ScanNetV2、S3DIS和STPLS3D等数据集上实现了领先的分割精度,同时保持快速推理速度。该方法有效解决了密集场景中相同语义类别物体的分割问题,为3D场景理解提供了新的解决方案。
DG-Mesh - 从单目视频重建高保真度时序一致网格的框架
3D重建DG-MeshGithub动态场景单目视频开源项目网格生成
DG-Mesh是一个从单目视频重建高保真度时序一致网格的框架。它能够重建高质量的表面、外观和跨时间帧的网格顶点运动,支持灵活的拓扑变化,并能处理鸟翼等细结构。项目包含多个数据集的训练和评估代码,以及自定义数据集支持。
YOLOv6 - 高性能目标检测框架支持多场景应用
GithubYOLOv6开源项目模型训练深度学习目标检测计算机视觉
YOLOv6是一款高效的目标检测框架,提供从轻量级到大型的多种模型选择。它在速度和精度上取得平衡,支持量化和移动端部署,适用于各种实时检测场景。最新版本还引入了分割功能,扩展了应用范围。YOLOv6不仅适用于工业领域,还可广泛应用于安防、交通等多个领域。
Depth-Anything-V2-Large - 单目深度估计新突破:高精度细节与高效性能的完美平衡
Depth Anything V2GithubHuggingface图像处理开源项目模型深度估计神经网络计算机视觉
Depth-Anything-V2-Large是一款基于大规模数据训练的单目深度估计模型。该模型通过595K合成标记图像和62M+真实未标记图像的训练,在细节精度和鲁棒性方面超越了前代版本。与基于SD的模型相比,它不仅更加高效和轻量,处理速度提升了10倍,还在预训练基础上展现出优秀的微调能力。这一模型为计算机视觉领域提供了性能卓越的深度估计解决方案。
DiT-3D - 基于纯扩散变换器的3D形状生成新方法
3D形状生成DiT-3DGithubShapeNet开源项目扩散变换器点云
DiT-3D是一个基于纯扩散变换器的3D形状生成项目。该方法直接对体素化点云进行去噪处理,支持多种配置,如不同的体素大小、补丁维度和模型复杂度。在椅子类别的生成任务中,DiT-3D在1-NNA-CD、1-NNA-EMD、COV-CD和COV-EMD等指标上表现良好。这一方法为3D形状生成领域提供了新的研究方向。
SegmentAnything3D - Segment Anything技术在3D场景中的创新应用
3D感知GithubSegment Anything 3D图像分割开源项目点云处理计算机视觉
SAM3D项目将Segment Anything技术扩展到3D感知领域,通过将2D图像分割信息转移到3D空间,为3D场景理解提供新思路。该项目结合SAM生成掩码、点云合并和区域合并等技术,实现2D到3D的有效转换。SAM3D不仅拓展了计算机视觉的应用范围,也为3D场景分析和理解开辟了新的研究方向。
FasterViT - 高效分层注意力的视觉transformer新突破
FasterViTGithub图像分类层级注意力机制开源项目目标检测视觉Transformer
FasterViT是一种创新的视觉transformer模型,采用分层注意力机制高效捕获短程和长程信息。在ImageNet分类任务中,FasterViT实现了精度和吞吐量的新平衡,无需额外训练数据即达到最先进水平。该项目提供多种预训练模型,适应不同计算资源和精度需求,支持任意分辨率输入,为目标检测、分割等下游任务提供灵活选择。
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。
PointLLM - 多模态大语言模型理解点云数据的突破性进展
3D点云GithubPointLLM多模态大语言模型开源项目计算机视觉
PointLLM是一个创新的多模态大语言模型,可理解物体的彩色点云数据。该模型能够感知物体类型、几何结构和外观,而不受深度模糊、遮挡或视角依赖等问题影响。项目团队收集了包含660K简单和70K复杂点云-文本指令对的数据集,并采用两阶段训练策略。为评估模型的感知和泛化能力,研究人员建立了生成式3D物体分类和3D物体描述两个基准,并使用三种评估方法进行测试。
dreamscene4d - 从单目视频生成动态多目标3D场景的突破性技术
3D场景生成DreamScene4DGithub多目标跟踪开源项目视频处理计算机视觉
DreamScene4D是一种从单目视频生成动态多目标3D场景的开源技术。它采用3D高斯和形变优化方法,能处理不同长度的视频和多个目标。项目提供自动化和分阶段优化脚本,支持处理有遮挡和无遮挡的视频。DreamScene4D在复杂场景和长视频序列处理方面表现优异,为计算机视觉和图形学研究提供了新思路。
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