Project Icon

ARKitScenes

革新3D室内场景理解的大规模数据集

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。

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。
CenterSnap - 单镜头多物体3D重建与姿态估计技术
3D重建6D姿态估计CenterSnapGithub多物体检测开源项目计算机视觉
CenterSnap是一个开源的深度学习项目,致力于单镜头多物体3D重建和姿态估计。该技术能在单次拍摄中同时完成多个物体的3D形状重建、6D姿态和尺寸估计。项目提供了完整的训练和推理代码,以及预处理数据集,方便研究人员复现结果和开展进一步研究。CenterSnap在机器人抓取和场景理解等领域有潜在应用价值。
dreamscene4d - 从单目视频生成动态多目标3D场景的突破性技术
3D场景生成DreamScene4DGithub多目标跟踪开源项目视频处理计算机视觉
DreamScene4D是一种从单目视频生成动态多目标3D场景的开源技术。它采用3D高斯和形变优化方法,能处理不同长度的视频和多个目标。项目提供自动化和分阶段优化脚本,支持处理有遮挡和无遮挡的视频。DreamScene4D在复杂场景和长视频序列处理方面表现优异,为计算机视觉和图形学研究提供了新思路。
SegmentAnything3D - Segment Anything技术在3D场景中的创新应用
3D感知GithubSegment Anything 3D图像分割开源项目点云处理计算机视觉
SAM3D项目将Segment Anything技术扩展到3D感知领域,通过将2D图像分割信息转移到3D空间,为3D场景理解提供新思路。该项目结合SAM生成掩码、点云合并和区域合并等技术,实现2D到3D的有效转换。SAM3D不仅拓展了计算机视觉的应用范围,也为3D场景分析和理解开辟了新的研究方向。
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。
anything_in_anyscene - AI场景生成工具 图像和视频创作新方向
Github开源项目
anything_in_anyscene是一个正在开发中的AI项目,致力于简化图像和视频生成流程。该工具允许通过文本描述在不同场景中创建物体或人物。项目即将发布完整代码,旨在为创意领域提供高效的AI辅助创作解决方案。潜在应用包括广告制作、游戏设计、影视特效等多个领域,为内容创作者提供新的可能性。
HorizonNet - 基于1D表示和全景拉伸数据增强的房间布局学习
GithubHorizonNet室内数据集布局预测开源项目深度学习预处理
HorizonNet项目通过1D表示和全景拉伸数据增强实现了房间布局学习,能够生成立方体或一般形状的房间布局。该项目提供纯Python实现,支持图像推断、3D布局查看、姿态校正、全景拉伸增强、2D和3D布局定量评估以及数据集准备和训练。支持PanoContext、Stanford2D3D、Structured3D和Zillow Indoor等数据集,提供预训练模型。详细的安装、推断和可视化教程使用户能够高效地使用该工具。
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。
Arrea - Phone增强现实应用,允许用户探索和创建AR世界
3D模型AI工具AR编辑器ArreaiPhone应用增强现实
Arrea是iPhone增强现实应用,允许用户探索和创建AR世界。它提供AR编辑器用于制作展览和画廊,支持AR云端分享,并可连接Sketchfab获取3D模型。Arrea为AR创作和体验提供了多样化的功能。
api4ai - 高精度家具和家居用品智能识别API
AI图像分析AI工具API服务家具识别家居物品识别库存管理
这是一款能够识别照片中200多种家居物品的智能API服务。它具备自动计数功能,适用于室内设计、房地产、零售和搬家等多个行业,可简化库存管理流程,提升运营效率。该API基于云服务架构,确保稳定性和性能。集成便捷,可快速实现照片中物品的自动识别和分类。
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

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

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