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
DSVT - 易于部署的大规模点云3D对象检测系统
3D对象检测CVPR 2023DSVTGithubWaymo动态稀疏体素转化器开源项目
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。
SuPreM - 基于大规模数据集的三维医学影像分析预训练模型套件
3D模型GithubSuPreM医学影像分析大规模数据集开源项目迁移学习
SuPreM是一套基于大规模数据集和每体素标注的预训练3D模型,在多种医学影像任务中展现出优秀的迁移能力。该项目结合AbdomenAtlas 1.1数据集(9,262个带注释CT扫描)和多个先进AI模型,为三维医学图像分析提供了基础数据集和模型,有助于提升该领域的研究效率和算法性能。
NDR-code - 单目RGB-D相机的动态场景神经表面重建
3D重建GithubNeurIPSRGB-D相机动态场景重建开源项目神经网络
NDR是一种基于神经网络的动态场景表面重建方法，利用单目RGB-D相机数据恢复高保真几何、运动和外观。该技术无需模板，适用于复杂场景重建。NDR在NeurIPS 2022会议获得Spotlight展示，体现了其在3D视觉领域的创新性。项目提供开源代码和数据集，为相关研究提供参考。
MotionLLM - 融合视频和动作数据的人类行为理解先进AI模型
GithubMotionLLM人工智能人类行为理解多模态学习大语言模型开源项目
MotionLLM是一个人类行为理解框架，通过融合视频和动作序列数据来分析人类行为。该项目采用统一的视频-动作训练策略，结合粗粒度视频-文本和细粒度动作-文本数据，以获得深入的时空洞察。项目还包括MoVid数据集和MoVid-Bench评估工具，用于研究和评估人类行为理解。MotionLLM在行为描述、时空理解和推理方面展现出优越性能，为人机交互和行为分析研究提供了新的方向。
SegmentAnythingin3D - NeRF模型的三维目标分割框架SA3D
3D分割GithubNeRFSA3DSAM开源项目计算机视觉
SA3D是一个创新的三维目标分割框架，基于神经辐射场(NeRF)模型。它允许用户通过单一视图的手动提示，快速获取目标对象的3D分割结果。SA3D支持点提示和文本提示输入，处理时间约为2分钟。该框架在建筑、室内场景和复杂物体等多种应用场景中展现了良好的适应性，为3D场景感知和虚拟现实内容创作提供了新的可能。项目还包含直观的图形界面，便于研究人员和开发者进行快速实验和应用开发。
cad-estate - 大规模3D场景理解数据集 带对象和房间布局标注的RGB视频
3D场景理解CAD-EstateGithubRGB视频对象标注开源项目房间布局
CAD-Estate是一个大规模3D场景理解数据集，包含复杂多对象的RGB视频。每个视频都标注了全局一致的3D对象表示和房间布局。数据集提供101K个实例、12K个独特CAD模型和20K个视频的3D表示，还包括2246个视频的复杂拓扑结构房间布局。CAD-Estate为3D场景理解研究提供丰富资源，对现有自动场景理解方法提出新挑战。
semantic-segmentation - 提供丰富数据集和易于定制的语义分割模型
GithubPyTorchSOTASemantic Segmentation开源项目数据集模型库
该项目提供易于使用和定制的SOTA语义分割模型，支持多种任务和数据集。适合高精度和定制应用场景，涵盖场景解析、人类解析、人脸解析等任务。特点包括多种主干网络和分割模型，支持PyTorch、ONNX、TFLite等框架的推理和导出。即将迎来重大更新，包括新的训练流程、预训练模型、教程和分布式训练支持。用户可通过详细文档和示例轻松使用并配置定制数据集，实现高效的语义分割。
pix2pix3D - 基于2D标签图的3D感知条件图像生成模型
3D生成模型Githubpix2pix3D开源项目条件图像合成神经辐射场语义标签
pix2pix3D是一个3D感知条件生成模型，可以根据2D标签图(如分割图或边缘图)生成逼真的3D对象图像。该模型结合神经辐射场技术，能从多个视角渲染图像。通过同步生成图像和对应的标签图，pix2pix3D实现了交互式3D编辑功能，为可控的3D感知图像合成开辟了新途径。
BEVFormer - 多摄像头鸟瞰图学习框架助力自动驾驶感知
BEVFormerGithub多相机感知开源项目目标检测自动驾驶鸟瞰图表示
BEVFormer是一个用于自动驾驶感知的开源框架,通过时空Transformer从多摄像头图像中学习统一的鸟瞰图表示。该方法利用预定义的网格查询,结合空间交叉注意力和时间自注意力机制,有效聚合多视角的空间和时序信息。在nuScenes测试集上,BEVFormer达到56.9%的NDS指标,显著超越现有方法,与激光雷达系统性能相当。这一创新为基于纯视觉的3D目标检测提供了新的基准。
3DMPPE_ROOTNET_RELEASE - 单张RGB图像的相机距离感知的3D多人人体姿态估计实现
3D姿态估计GithubPyTorchRGB图像RootNet多人体姿态估计开源项目
此项目基于PyTorch实现了3D多人人体姿态估计，兼容多种公开的2D和3D数据集，如Human3.6M、MPII、MS COCO、MuCo-3DHP、MuPoTS-3D和3DPW。其特点包括代码简洁灵活、直观的人体姿态可视化，并支持不同单位系统的适配。项目还提供详细的训练和测试指南，旨在帮助用户在GPU环境下高效运行姿态估计算法。
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