Logo
Project Icon

Objectron

3D对象姿态标注短视频数据集

Objectron3D物体检测视频数据集人工智能MediaPipeGithub开源项目

Objectron数据集包含短视频片段，每个片段提供详细的3D对象姿态标注信息。数据集包括15,000个标注视频和4百万个标注图像，涵盖自行车、书籍、瓶子、相机、谷物盒子、椅子、杯子、笔记本电脑和鞋子等类别。数据集支持TensorFlow和PyTorch等深度学习框架，并提供用于3D物体检测的解决方案。数据采集自全球10个国家，确保了地理多样性。

访问官网访问官网GithubGithub文档文档论文论文
介绍知识库相关项目
Otter - 基于MIMIC-IT数据集和OpenFlamingo的多模态模型
GithubMIMIC-ITOtter多模态开源项目指令微调视觉语言处理
该项目结合了OpenFlamingo模型和MIMIC-IT数据集进行多模态指令调优，拥有280万条指令-响应对，支持图像和视频内容的精确理解与互动。该项目还包括OtterHD模型，提升高分辨率视觉输入的细粒度解释，并推出MagnifierBench评估基准测试模型的微小物体识别能力。公开的代码可用于训练和预训练，并支持GPT4V的评估和Flamingo架构的多任务处理。
awesome-6d-object - 6D物体姿态估计与重建资源汇总
3D重建CVPRGithub开源项目深度学习物体姿态估计计算机视觉
这个项目整理了6D物体姿态估计、单视图3D物体重建和3D手-物体姿态估计领域的重要资源。内容包括arXiv论文、期刊会议论文、学位论文、数据集、研讨会和挑战赛信息。资源按年份和会议分类,涵盖2014年至今的研究进展,为相关研究人员提供了全面的参考。
zero123 - 零样本单图像到3D对象转换技术
3D重建GithubObjaverseZero-1-to-3单视图开源项目稳定扩散
探索一种创新技术，通过一张图像实现高精度的3D对象重建。研究介绍了如何使用Zero123进行新视角合成和3D重建，解决了文字转图像模型中的视角歧义问题，并展示了其在多种应用中的卓越性能。项目还包括Zero123-XL和Objaverse-XL的最新权重发布，以及详细的使用和训练指南，支持研究者和开发者在现有硬件上进行开发和测试。
OmniCorpus - 百亿级图文交错数据集推动多模态AI研究新高度
GithubOmniCorpus图像文本交错多模态数据集大规模数据开源项目数据处理管道
OmniCorpus是一个大规模多模态数据集，包含86亿张图像和1,696亿个文本标记。该数据集提供中英双语内容，涵盖从网站和视频平台提取的文本和视觉文档，具有高度的数据多样性和灵活性。与之前最大的数据集LAION-5B相比，OmniCorpus在图像和文本规模上分别大1.7倍和12.5倍，同时保持了优秀的数据质量。研究表明，基于此数据集训练的模型在图像描述和视觉问答等任务中表现出色。OmniCorpus采用流式数据格式，可适应多种数据结构，包括纯文本语料库、图文对和交错数据格式。这一特性使其在自然语言处理、计算机视觉和多模态AI等领域的研究和应用中具有广泛潜力。
FoundationPose - 创新性6D物体姿态估计与跟踪的统一框架
6D物体姿态估计FoundationPoseGithub开源项目机器人应用物体跟踪计算机视觉
FoundationPose是一个统一的6D物体姿态估计和跟踪框架，支持基于模型和无模型两种方式。该框架无需微调即可应用于新物体，通过大规模合成训练、大型语言模型辅助和创新架构实现强大泛化能力。在多个公共数据集的评估中，FoundationPose在challenging场景下显著优于现有方法，即使减少假设也能达到与实例级方法相当的效果。
CoDA_NeurIPS2023 - 创新3D目标检测框架实现开放词汇表任务
CoDAGithub开放词汇3D目标检测开源项目深度学习神经网络计算机视觉
CoDA是一个开源的开放词汇表3D目标检测框架，通过协作式新颖框发现和跨模态对齐技术提高对未见类别的检测能力。该项目支持ScanNet和SUN RGB-D数据集，提供完整的代码、预训练模型和数据集。CoDA的创新方法在NeurIPS 2023发表，为3D场景理解研究提供了新的思路。项目基于PyTorch开发，并提供详细的安装和使用指南。
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。
mediapipe - 支持在移动、Web、桌面、边缘设备和物联网中集成机器学习功能的平台
GithubMediaPipe人工智能开源项目机器学习跨平台
MediaPipe为开发者提供了一个平台，支持在移动、Web、桌面、边缘设备和物联网中集成机器学习功能。通过跨平台API和预训练模型，可快速部署和定制AI解决方案。MediaPipe还包含模型定制工具和浏览器内的可视化评估工具，支持高效开发和迭代。欢迎访问Google官方文档了解更多，并参与社区交流和贡献。
iros20-6d-pose-tracking - 6D姿态跟踪的优化方案，提高机器人操控和视觉领域的精度和效率
6D姿态跟踪GithubRGB-D图像iros20-6d-pose-trackingse(3)-TrackNet开源项目机器人操作
se(3)-TrackNet通过校准合成图像残差，实现视频序列中的6D姿态跟踪，适用领域包括机器人操控和增强现实。其神经网络架构有效减少域迁移，并采用Lie Algebra实现三维定向表示，即使仅使用合成数据训练也能在真实图像中工作。研究表明，在遮挡条件下，该方法提供稳定和精准的姿态估计，计算效率高达90.9Hz。
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。
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

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。

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