VoxFormer

基于稀疏体素变换器的相机驱动3D语义场景补全方法

VoxFormer 3D语义场景补全计算机视觉 CVPR 语义分割 Github 开源项目

VoxFormer是一种基于Transformer的创新框架，仅通过2D图像即可生成完整的3D语义体素。它采用两阶段设计：先从深度估计生成可见占据体素查询，再通过密集化阶段生成完整3D体素。在SemanticKITTI数据集上，VoxFormer在几何和语义方面分别提升了20.0%和18.1%，同时将训练所需GPU内存减少约45%。这为相机驱动的3D语义场景补全任务提供了一个强有力的基线。

Github

介绍相关项目

MOTSFusion - 将3D多目标跟踪与场景重建融合的创新算法

3D重建GithubKITTI数据集MOTSFusion开源项目目标跟踪计算机视觉

MOTSFusion项目提出了一种创新的多目标跟踪算法,通过融合3D跟踪和场景重建技术来提高准确性。该算法利用立体图像、光流和视差信息,结合分割网络和检测器,实现对车辆和行人的精确跟踪。项目在KITTI MOTS数据集上展现了优异性能,并开源了完整代码。这种方法为自动驾驶等应用中的多目标跟踪提供了新的思路。

3D-VisTA - 简化3D视觉和文本对齐的新型预训练模型

3D-VisTAGithub多模态融合开源项目自然语言处理计算机视觉预训练模型

3D-VisTA是一种新型预训练变换器模型,专注于3D视觉和文本对齐。该模型采用简洁统一的架构,无需复杂的任务特定设计,可轻松适应多种下游任务。通过在大规模ScanScribe数据集上预训练,3D-VisTA在视觉定位、密集字幕生成等3D视觉语言理解任务中达到了领先水平。此外,该模型还表现出优异的数据效率,即使在标注数据有限的情况下也能保持强劲性能。

Transformer_Tracking - 视觉追踪中Transformer应用的全面综述和前沿动态

GithubTransformer开源项目深度学习目标检测视觉跟踪计算机视觉

本项目汇总了Transformer在视觉追踪领域的应用进展,包括统一追踪、单目标追踪和3D单目标追踪等方向。内容涵盖最新研究论文、技术趋势分析、基准测试结果以及学习资源,为相关研究人员和从业者提供全面的参考信息。重点关注自回归时序建模、联合特征提取与交互等前沿技术,展现了视觉追踪的最新发展动态。

Free3D - 基于单视图的一致性多视角图像合成技术

3D生成Free3DGithub单视图重建开源项目新视角合成计算机视觉

Free3D是牛津大学VGG实验室开发的新型计算机视觉技术，可从单一图像生成一致性的多视角合成图,无需显式3D表示。该技术采用射线条件归一化和伪3D注意力机制,在Objaverse等多个数据集上展现优异性能。Free3D为计算机视觉和图形学领域提供了新的研究方向,有望应用于3D重建、虚拟现实等多个领域。

UniTR - 多模态变换器网络推动3D感知进展

3D感知BEV分割GithubUniTR多模态转换器开源项目目标检测

UniTR是一种新型统一多模态变换器网络,用于3D感知任务。它通过共享权重处理相机和激光雷达等多传感器数据,实现高效多模态融合。在nuScenes数据集上,UniTR在3D目标检测和BEV地图分割任务中均达到最新水平,且降低推理延迟。该研究为提升自动驾驶系统的感知能力提供了新思路。

vggsfm - 深度学习驱动的结构运动恢复技术

GithubVGGSfM三维重建开源项目深度学习结构运动计算机视觉

VGGSfM是一种结合视觉几何原理和深度学习的结构运动恢复(SfM)技术。该开源项目提供Python包，支持3D重建、相机姿态估计和稠密深度图生成。VGGSfM在CVPR24 IMC挑战赛相机姿态估计中获得第一名。它支持多种特征点提取方法，并提供灵活的可视化选项，方便研究人员和开发者进行3D重建实验和应用开发。

3D-deformable-attention - 3D可变形注意力技术提升自动驾驶物体检测精度

3D目标检测BEVFormerDFA3DGithub开源项目深度估计特征提升

3D-deformable-attention项目提出了3D可变形注意力(DFA3D)操作符，用于2D到3D特征提升。该方法首先利用深度估计将2D特征扩展到3D空间，再通过DFA3D聚合3D特征。这种方法缓解了深度歧义问题，并支持逐层特征细化。在多个基准测试中，DFA3D平均提高1.41 mAP，高质量深度信息下最高提升15.1 mAP。研究结果显示DFA3D在自动驾驶3D目标检测等任务中具有较大潜力。

CF-3DGS - 免COLMAP的3D高斯散射场景重建技术

3D Gaussian SplattingGithub三维重建开源项目无监督学习神经渲染计算机视觉

CF-3DGS是一种新型3D场景重建技术，无需依赖COLMAP等传统SfM工具。该方法可直接从未标定图像序列学习3D高斯散射表示，通过迭代优化相机姿态和场景表示来实现高质量新视角合成。在Tanks and Temples等数据集上，CF-3DGS展现出优秀性能，为3D重建和新视角合成领域提供了高效灵活的解决方案。

Consistent4D - 单目视频到360度动态物体的生成

4D重建Github动态物体生成单目视频开源项目时空一致性神经辐射场

Consistent4D是一种创新方法，能从未校准的单目视频生成动态物体的360度视图。该方法将360度动态物体重建转化为4D生成问题，利用物体级3D感知图像扩散模型监督动态神经辐射场的训练。Consistent4D引入级联DyNeRF和插值驱动的一致性损失，无需繁琐的多视图数据收集和相机校准。实验表明，该方法在4D动态物体生成和文本到3D生成任务中展现出优异性能。

objectsdf_plus - 物体组合式神经隐式表面重建技术的进阶版本

3D重建GithubObjectSDF++开源项目深度学习神经隐式表面计算机视觉

ObjectSDF++是物体组合式神经隐式表面重建技术的改进版本。该技术通过引入遮挡感知的不透明度渲染公式和物体区分正则化项，提高了实例掩码监督的利用效率，从而在场景和物体层面实现更精确的表面重建。项目提供了适用于Replica和ScanNet数据集的训练和评估代码，为3D场景理解和重建研究提供了新的工具。

相关项目

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。

使用协议隐私政策广告服务

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