Project Icon

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

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。

3DitScene - 通过语言指令编辑3D场景的创新技术
3DitSceneGithub场景编辑开源项目计算机视觉语言引导高斯散射
3DitScene是一个开源项目,开发了基于语言引导的解耦高斯散射技术来编辑3D场景。该技术允许通过自然语言指令编辑场景中的特定对象,包括移动、旋转或删除。项目保持场景整体一致性,同时支持生成新视角。开发者提供了安装指南和使用说明,并在Hugging Face平台上部署了演示,方便研究人员和开发者探索这一3D场景编辑技术。
facescape - 大规模3D人脸数据集及重建基准
3D人脸数据集FaceScapeGithub三维模型人脸重建开源项目生物识别
FaceScape是一个开源项目,提供大规模3D人脸数据集和相关工具。数据包括16940个3D人脸模型、40万多张多视图图像和生物线性模型。项目还包含单视图3D重建基准测试和Python工具包,支持模型生成、拟合等任务。数据仅供非商业研究使用,采用严格许可保护隐私。
LL3DA - 3D环境下的多模态语言和视觉互动助手
3D环境3D语言模型GithubLL3DA开源项目点云视觉交互
LL3DA是一种大型语言3D助手,能够在复杂的3D环境中响应视觉和文本交互。现有的多模态模型在3D场景理解中的挑战使得LL3DA采用点云直接作为输入,从而减少计算负担并提升性能。实验结果表明,LL3DA在3D密集描述和3D问答任务上优于其他3D视觉语言模型。其开源代码和预训练模型权重允许用户训练定制模型,并进一步拓展到更大规模的3D视觉语言基准上。
3D-OVS - 无需标注的开放词汇3D场景分割新方法
3D分割CLIP特征GithubTensoRF开放词汇开源项目弱监督学习
3D-OVS是一种创新的弱监督3D开放词汇分割方法,仅依靠文本描述即可实现3D场景的精准分割。该技术融合TensoRF重建与CLIP特征提取,通过提示工程和DINO特征优化,提高了3D场景的语义理解能力。这一方法将3D视觉与自然语言处理有机结合,为多个领域的应用提供了新的可能性。
ISBNet - 高效准确的3D点云实例分割网络实现先进场景理解
3D点云GithubISBNet实例分割开源项目深度学习计算机视觉
ISBNet是一种创新的3D点云实例分割网络,采用实例感知采样和框感知动态卷积技术。通过多任务学习方法和轴对齐边界框预测,ISBNet在ScanNetV2、S3DIS和STPLS3D等数据集上实现了领先的分割精度,同时保持快速推理速度。该方法有效解决了密集场景中相同语义类别物体的分割问题,为3D场景理解提供了新的解决方案。
LandMark - 先进的大规模3D城市场景重建与渲染技术
GithubGridNeRFLandMark三维重建并行训练开源项目神经辐射场
LandMark是一个基于GridNeRF的大规模3D城市场景重建与渲染系统。通过并行计算、算子优化和算法改进,该系统实现了100平方公里以上城市数据的高效3D神经场景训练,渲染分辨率可达4K。LandMark不仅支持场景布局调整和风格化等功能,还提供了完整的训练、渲染和应用基础设施,为大规模真实世界3D重建开辟了新的可能。
dust3r - 简化几何3D视觉重建的开源项目
3D重建DUSt3RGithub开源项目深度学习计算机视觉
dust3r是一个开源的3D视觉重建项目,旨在简化几何3D视觉处理。该项目提供了一个能够从多张图像重建3D场景的模型。dust3r包含交互式演示功能、API接口和多个预训练模型,可适应不同分辨率和应用场景。项目还提供了训练指南和数据集预处理脚本,方便研究人员进行自定义开发。
DyCo3D - 动态卷积实现鲁棒3D点云实例分割
3D点云实例分割DyCo3dGithub动态卷积开源项目深度学习计算机视觉
DyCo3D提出了一种新型3D点云实例分割方法,采用动态卷积技术处理实例尺度变化问题。该方法结合大范围上下文信息和轻量级Transformer,在ScanNetV2和S3DIS数据集上取得领先结果,推理速度提升25%以上。DyCo3D简化了传统bottom-up方法的复杂流程,对超参数不敏感,为3D点云实例分割领域提供了高效且鲁棒的新方案。
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。
Depth-Anything - 大规模无标注数据驱动的强大单目深度估计模型
Depth AnythingGithub人工智能图像处理开源项目深度估计计算机视觉
Depth Anything是一款基于大规模数据训练的单目深度估计模型。它利用150万标注图像和6200万无标注图像进行训练,提供小型、中型和大型三种预训练模型。该模型不仅支持相对深度和度量深度估计,还可用于ControlNet深度控制、场景理解和视频深度可视化等任务。在多个基准数据集上,Depth Anything的性能超越了此前最佳的MiDaS模型,展现出优异的鲁棒性和准确性。
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