PointTransformerV3

先进的点云处理框架

Point Transformer V3 点云处理语义分割深度学习计算机视觉 Github 开源项目

PointTransformerV3是一个创新的点云处理框架，在多个基准测试中展现出卓越性能。该项目优化了模型结构，提升了运行速度和处理能力。它适用于室内外场景的语义分割，通过多数据集预训练进一步增强了效果。研究人员可利用开源代码和预训练模型轻松复现结果或应用于自身项目。

ReCon - 融合对比和生成方法的3D表示学习框架

3D表示学习GithubReCon少样本学习开源项目点云分类零样本学习

ReCon是一个融合对比学习和生成式预训练的3D表示学习框架，有效解决了数据不足和表示过拟合问题。该框架在3D点云分类、少样本学习和零样本迁移等任务中表现出色，在ScanObjectNN数据集上达到91.26%的分类准确率。ReCon展现了在3D表示学习领域的先进性能，为相关研究提供了新的思路。

BEVFormer_tensorrt - BEVFormer和BEVDet的TensorRT高效部署方案

BEV 3D DetectionGPU内存优化GithubTensorRT开源项目推理加速量化

本项目实现BEVFormer和BEVDet在TensorRT上的高效部署，支持FP32/FP16/INT8推理。通过优化TensorRT算子，BEVFormer base模型推理速度提升4倍，模型大小减少90%，GPU内存节省80%。同时支持MMDetection中2D目标检测模型的INT8量化部署。项目提供详细基准测试，展示不同配置下的精度和速度表现。

Depth-Anything-V2 - 单目深度估计新突破，高精度与快速推理并重

Depth Anything V2Github开源项目深度估计计算机视觉预训练模型

Depth-Anything-V2是单目深度估计领域的新进展。该模型在细节表现和鲁棒性上显著优于V1版本，并在推理速度、参数量和深度精度方面超越了基于SD的模型。项目提供四种预训练模型，适用于相对和度量深度估计，可处理图像和视频。此外，发布的DA-2K基准为深度估计研究设立了新标准。

mvsplat - 从稀疏多视角图像高效重建3D场景

3D Gaussian SplattingGithubMVSplat多视图图像开源项目神经渲染计算机视觉

MVSplat是一种基于3D高斯分布渲染的多视角图像重建技术。该项目利用深度学习和计算机视觉方法，从稀疏的多视角图像高效重建3D场景并实现新视角渲染。MVSplat在RealEstate10K和ACID数据集上表现优异，并具有良好的跨数据集泛化能力。项目提供了安装指南、预训练模型和评估代码，便于研究人员进行复现和改进。

GeoSeg - 遥感图像语义分割框架支持多种数据集和先进模型

GeoSegGithubVision Transformer开源项目深度学习语义分割遥感图像

GeoSeg是一个开源的遥感图像语义分割工具箱,基于PyTorch等框架开发。它专注于先进视觉Transformer模型,支持多个遥感数据集,提供统一训练脚本和多尺度训练测试功能。项目实现了Mamba、Vision Transformer和CNN等多种网络架构,为遥感图像分割研究提供统一基准平台。

MeshAnything - 自回归Transformer实现的3D网格生成技术

Github三维模型生成人工智能开源项目机器学习深度学习计算机视觉

MeshAnything是一种基于自回归Transformer的3D网格生成技术，可根据输入生成高质量3D模型。支持网格和点云输入，能生成最多800面的模型。提供命令行接口和Gradio演示，适用于3D重建、扫描等场景。项目采用Python实现，支持Ubuntu系统和CUDA 11.8。安装简便，可通过pip直接安装或从GitHub克隆。目前已发布350m版本，并推出支持1600面的V2版本。

TriplaneGaussian - 基于Triplane和高斯散射的快速单视图3D重建技术

3D重建GithubTransformerTriplaneGaussian单视图开源项目高速重建

TriplaneGaussian是一种结合Triplane和高斯散射的3D重建技术。该方法采用混合Triplane-Gaussian 3D表示，融合显式和隐式表示优点，能在几秒内从单一视角图像生成高质量3D模型。这种技术不仅适用于合成图像，还能处理真实世界照片，展现了较强的泛化能力。TriplaneGaussian通过创新的表示方法实现了高效且通用的3D重建，为单视图3D重建领域提供了新的解决思路。

x-transformers - 轻量级Transformer模型，支持完整的编解码器配置和最新研究成果，适合各种从图像分类到语言模型的应用

Githubtransformerx-transformers开源项目模型训练编码器编解码器

x-transformers提供了多功能的Transformer模型，支持完整的编解码器配置和最新研究成果，适合各种应用，从图像分类到语言模型。其先进技术如闪存注意力和持久内存，有助于提高模型的效率和性能。此项目是研究人员和开发者的理想选择，用于探索和优化机器学习任务中的Transformer技术。

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。

stable-fast-3d - 单图快速重建3D网格的开源模型

3D重建GithubSF3DUV展开单图重建开源项目照明解耦

Stable Fast 3D是一个开源的3D重建模型，可从单张图像快速生成3D网格。该模型基于TripoSR，改进了网格和纹理生成，并引入UV展开和光照分离技术。它不仅生成高质量3D资产，还保持快速推理速度。模型支持自定义纹理分辨率和重网格化，适用于游戏开发等领域。用户可通过命令行或Gradio应用使用这一工具。

相关项目

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

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