Logo
Project Icon

EmbodiedScan

全面多模态3D感知套件，提高具身AI的理解能力

EmbodiedScanMMScan3D感知多模态深度学习Github开源项目

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。

访问官网访问官网GithubGithubHuggingfaceHuggingface论文论文
介绍相关项目
ScanNet - 包含2.5百万视图的RGB-D视频数据集及其3D重建
3D重建BundleFusionGithubRGB-D视频数据集ScanNet开源项目语义分割
ScanNet是一个丰富的RGB-D视频数据集，包含超过1500次扫描和2.5百万个视图，包括3D相机姿态、表面重建和实例级语义分割标签。用户需通过机构邮箱填写使用协议以下载数据。数据按RGB-D序列组织，包含多种格式的重建网格和注释文件。附带工具有ScanNet C++工具包、相机参数估计代码和网格分割代码。本数据集支持多项场景理解基准任务，并提供相关代码与文档。
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。
Awesome-Embodied-AI - 具身人工智能前沿研究资源汇总
Embodied AIGithub多智能体系统大语言模型导航开源项目机器人
本项目汇集了具身人工智能(Embodied AI)领域的精选资源，包括最新研究论文、工具及相关资料。内容涵盖语言模型驱动的智能体、机器人技术、导航等多个方向，全面追踪具身AI的研究和产业进展。为研究人员和开发者提供参考，深入探讨智能体在物理或虚拟环境中的感知、决策和行动机制。
M3D - 推动3D医学图像分析的多模态大语言模型
3D医学图像分析AI医疗GithubM3D医学数据集多模态大语言模型开源项目
M3D是首个针对3D医学分析的多模态大语言模型系列。项目包含最大规模开源3D医学数据集M3D-Data、多任务能力模型M3D-LaMed和全面评估基准M3D-Bench。M3D在图像-文本检索、报告生成、视觉问答、定位和分割等任务中表现优异，为3D医学图像分析领域提供了新的研究方向。
Mask3D - 改进3D语义实例分割方法，兼容多种数据集
3D实例分割GithubICRA 2023Mask3DPyTorchScanNet开源项目
Mask3D是一个提升3D语义实例分割的开源项目，支持ScanNet、ScanNet200、S3DIS和STPLS3D数据集。项目集成了PyTorch、PyTorch Lightning和Hydra工具，提供高效的架构和训练流程，包括数据预处理、模型训练与测试。此外，Mask3D在多个挑战中表现优异，包括在ECCV 2022的Urban3D挑战中获得第二名。
ShapeLLM - 革新3D理解的多模态大语言模型
ShapeLLM是首个面向智能体交互的3D多模态大语言模型,支持单视图彩色点云输入。该项目引入了3D问答基准3D MM-Vet,并改进了点云编码器ReCon++。ShapeLLM在多项3D理解任务中表现出色,为智能体与3D环境交互提供了新思路。
ARKitScenes - 革新3D室内场景理解的大规模数据集
3D室内场景理解ARKitScenesGithubRGB-D数据集家具标注开源项目深度传感器
ARKitScenes是一个创新的3D室内场景理解数据集，利用移动RGB-D技术捕获数据。作为首个采用广泛可用深度传感器的RGB-D数据集，它涵盖了1,661个独特场景的5,047次捕获。数据集提供原始和处理后的数据、高分辨率深度图及手动标注的3D定向边界框。此外，项目还包含3D物体检测和RGB-D引导上采样的辅助脚本，为推进室内场景理解技术和应对真实世界挑战提供了宝贵资源。
mmdetection3d - 支持多模态单模态的开源3D目标检测框架
3D目标检测GithubMMDetection3D开源工具箱开源项目点云处理计算机视觉
MMDetection3D是OpenMMLab项目开发的开源3D目标检测框架，基于PyTorch构建。它支持多模态和单模态检测器，适用于室内外3D检测数据集，可与2D检测无缝集成。该框架提供300多种预训练模型、40多种算法实现，以及MMDetection全部功能模块。MMDetection3D不仅可用于研究，还可作为库支持各类3D检测应用开发。
RGBD-semantic-segmentation - RGB-D语义分割技术发展综述及性能评估
GithubRGBD语义分割开源项目性能对比数据集深度学习评估指标
本项目汇总了RGB-D语义分割领域的最新研究成果,提供详尽的论文列表和性能对比。涵盖NYUDv2等主流数据集的基准结果,包括像素精度、平均精度、mIoU等关键指标。通过定期更新反映该领域最新进展,为计算机视觉研究人员提供全面的参考资源。项目内容还包括数据集介绍、评估指标说明和详细的性能对比表格,全面呈现RGB-D语义分割技术的发展脉络。对于想深入了解该领域的研究人员和工程师而言,这是一个高价值的信息聚合平台。
all-seeing - 全景视觉识别与关系理解的开放世界AI系统
All-Seeing ProjectGithub关系理解多模态模型大规模数据集开源项目视觉识别
All-Seeing项目开发了全面的视觉识别和理解系统。该项目推出AS-1B大规模数据集和ASM视觉语言模型，实现开放世界的全景视觉识别。其第二版引入关系对话任务，构建AS-V2数据集和ASMv2模型，增强关系理解能力。此外，项目提出CRPE基准测试，为评估关系理解提供系统平台。
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