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
large-ocr-model.github.io - OCR 技术提升多模态大模型视觉问答性能研究
GithubOCR多模态大型模型开源项目缩放法则视觉问答
本项目研究 OCR 技术对多模态大模型性能的影响。实验表明，OCR 能显著提高模型在视觉问答任务中的表现。研究者构建了 REBU-Syn 数据集，验证了 OCR 领域的缩放法则，并开发了高精度 OCR 模型。这项工作为多模态大模型的应用开辟了新方向，揭示了 OCR 在增强模型能力方面的重要价值。
Pointcept - 开源点云感知研究平台
3D表示学习CVPRGithubPointcept开源项目点云感知预训练
Pointcept 是一个专为点云感知研究设计的开源代码库，集成了 Point Transformer V3、OA-CNNs 和 PonderV2 等顶尖技术。通过多数据集预训练架构和高效的场景对比学习框架，Pointcept 在室内外场景中表现出色。用户可以使用统一接口和预处理支持，快速部署点云感知解决方案。项目持续更新，最近的新版本优化数据集结构，提升整体性能。
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。
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。
Multimodal-AND-Large-Language-Models - 多模态与大语言模型前沿研究综述
Github人工智能多模态大语言模型开源项目机器学习视觉语言模型
本项目汇总了多模态和大语言模型领域的最新研究进展,涵盖结构化知识提取、事件抽取、场景图生成和属性识别等核心技术。同时探讨了视觉语言模型在推理、组合性和开放词汇等方面的前沿问题。项目还收录了大量相关综述和立场文章,为研究人员提供全面的领域概览和未来方向参考。
3D-OVS - 无需标注的开放词汇3D场景分割新方法
3D分割CLIP特征GithubTensoRF开放词汇开源项目弱监督学习
3D-OVS是一种创新的弱监督3D开放词汇分割方法，仅依靠文本描述即可实现3D场景的精准分割。该技术融合TensoRF重建与CLIP特征提取，通过提示工程和DINO特征优化，提高了3D场景的语义理解能力。这一方法将3D视觉与自然语言处理有机结合，为多个领域的应用提供了新的可能性。
MultiModal_BigModels_Survey - 大规模多模态预训练模型综合调研
Github人工智能多模态预训练模型大规模模型开源项目深度学习综述
这个项目提供了大规模多模态预训练模型的全面调研。内容包括发展历程、关键技术、代表性模型和应用场景。调研分析了模型架构、预训练策略和下游任务等研究热点,并探讨了未来方向。这份资料可为多模态人工智能研究和开发提供参考。
Make-It-3D - 单图生成高逼真3D模型
3D重建GithubICCV 2023Make-It-3D单张图像开源项目高保真
Make-It-3D项目利用训练良好的2D扩散模型，从单个图像生成高质量3D内容。方法采用两阶段优化流程，先优化神经辐射场整合正视图和新视角的扩散先验，后将粗略模型转化为纹理点云并提升现实感。实验显示，该方法在视觉质量和重建准确性上大幅领先，并支持文本到3D创建和纹理编辑等应用。
arctic - 大规模双手物体交互数据助力视觉研究
3D重建ARCTICGithub开源项目手部动作数据集物体操作
ARCTIC是一个包含210万高分辨率图像的大规模数据集,专注于双手与物体的精细交互。数据集提供多视角图像及3D人体、手部和物体标注,采用54个Vicon相机捕获高度灵巧的双手操作。ARCTIC可用于手-物体重建、抓取生成、全身动作生成等多项视觉任务研究,为相关领域提供了丰富资源。
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