Project Icon

EmbodiedScan

全面多模态3D感知套件,提高具身AI的理解能力

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。

MVHumanNet - 多视角日常穿着人体捕捉大规模数据集
GithubMVHumanNet人体捕捉多视角开源项目数据集计算机视觉
MVHumanNet是一个大规模多视角人体捕捉数据集,包含4,500个人物身份、9,000套日常服装和60,000个动作序列。数据集提供645百万帧图像,附带丰富标注,如人体遮罩、相机参数、2D/3D关键点、SMPL/SMPLX参数及相应文本描述。这一资源为计算机视觉和人体建模研究提供了重要支持,适用于多种应用场景。
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。
MultiPLY - 3D环境中的多感官物体中心大语言模型
3D环境GithubMultiPLY多感官大语言模型开源项目物体中心
MultiPLY是一个多感官交互式大语言模型,在3D环境中能主动与物体交互并收集视觉、听觉、触觉和热感信息。它将多感官交互数据整合到语言模型中,建立词语、行为和感知间的关联。该模型采用物体中心表示,通过执行动作揭示物体的多感官细节,为自然语言处理和人工智能研究提供新思路。
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。
SimpleView - 高效点云形状分类的新基线方法
3D模型GithubSimpleView开源项目机器学习深度学习点云分类
SimpleView项目重新审视点云形状分类问题,提出基于多视图的简单高效方法。在ModelNet40和ScanObjectNN等标准3D点云数据集上实现最先进性能,为点云处理和机器学习研究提供新基准。项目开源代码和模型,便于复现和进一步研究。
Open3D-ML - Open3D 的扩展,用于处理 3D 机器学习任务
3D机器学习GithubOpen3D-MLPyTorchTensorFlow开源项目语义分割
Open3D-ML基于Open3D库,扩展了3D机器学习工具,支持语义点云分割和目标检测等应用。提供预训练模型和训练管道,兼容TensorFlow和PyTorch框架,易于集成到现有项目中。同时,提供数据可视化等通用功能,覆盖多种数据集和算法,提高3D数据处理效率和效果。
Video-MME - 全面评估多模态大语言模型视频分析能力的基准
GithubVideo-MME人工智能基准评估多模态大语言模型开源项目视频分析
Video-MME是一个创新的多模态评估基准,用于评估大语言模型的视频分析能力。该项目包含900个视频和2,700个人工标注的问答对,覆盖多个视觉领域和时间跨度。其特点包括视频时长多样性、类型广泛性、数据模态丰富性和高质量标注。Video-MME为研究人员提供了一个全面评估多模态大语言模型视频理解能力的工具。
Embodied_AI_Paper_List - 具身人工智能研究论文列表与前沿动态汇总
Embodied AIGithub具身交互具身感知具身智能体开源项目机器人模拟器
该项目整理了具身人工智能领域的综合研究论文列表,内容涉及模拟器、感知、交互、智能代理和仿真到现实适应等核心方向。列表收录了该领域最新成果和关键文献,为学术研究提供重要参考。项目由中山大学HCP实验室定期维护更新,致力于促进具身人工智能的技术进步。
BundleSDF - 神经网络实现未知物体6自由度跟踪和3D重建
3D重建6-DoF跟踪BundleSDFGithub姿态图优化开源项目神经对象场
BundleSDF是一种创新的计算机视觉方法,能够从单目RGBD视频序列中实现未知物体的6自由度跟踪和3D重建。该方法基于神经网络技术,适用于各种刚体物体,包括缺乏视觉纹理的情况。通过结合神经物体场和位姿图优化,BundleSDF能够将信息稳健地整合到一致的3D表示中,准确捕捉物体的几何形状和外观特征。这种方法能够有效处理大姿态变化、遮挡、无纹理表面和镜面高光等复杂场景。
Awesome-3D-Object-Detection - 3D目标检测研究资源汇总 激光雷达方法全览
3D目标检测Github开源项目深度学习激光雷达自动驾驶计算机视觉
该项目汇总了3D目标检测领域的研究资源,聚焦基于激光雷达的方法。内容包括顶级会议信息、数据集、论文链接等,涵盖从基础到前沿的技术。项目为研究人员提供了解该领域进展的集中平台,是3D目标检测研究的重要参考。
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