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。

OpenShape_code - 革新3D形状表示方法 实现开放世界理解
3D形状表示GithubOpenShape多模态检索开放世界理解开源项目零样本分类
该项目开发了新型3D形状表示方法,通过大规模训练实现开放世界理解。这一技术在零样本3D形状分类、检索和语义理解任务中表现优异,支持多模态交互并能进行点云描述和图像生成。提供的在线演示、预训练模型和训练代码为3D视觉研究与应用拓展了新方向。
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。
hold - 视频中手物交互的无模板3D重建技术
3D重建GithubHOLD开源项目手部交互物体重建计算机视觉
HOLD是一种先进的计算机视觉技术,可从单目视频中重建手部和物体的3D几何形状,无需预先扫描物体模板。这项技术能够重建新颖物体和手部的3D结构,支持双手操作物体、无纹理物体以及多物体交互场景的重建。项目提供预处理数据、训练脚本和评估工具,为研究人员和开发者提供了全面的3D重建解决方案。
Open3D-PointNet2-Semantic3D - 使用Open3D和PointNet++进行高效3D数据处理与语义分割
GithubOpen3DPointNet++Semantic3D开源项目机器学习语义分割
该项目演示了如何使用Open3D与PointNet++进行3D点云的加载、预处理及语义分割,提供了高效的点云操作方法和训练预测流程,为Semantic3D数据集提供了简洁优化的基准实现,适用于深度学习应用的快速开发。
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。
OCR_DataSet - 综合OCR数据集资源库及工具集
Github图像标注开源项目数据集文字识别深度学习计算机视觉
OCR_DataSet项目整合了13个知名的多语言OCR数据集,涵盖ICDAR2015、MLT2019和COCO-Text_v2等。项目特色包括数据格式统一化、便捷的百度网盘下载、详尽的数据集信息表和简化的读取脚本。此外,项目还提供了数据生成工具链接,为OCR领域的研究和开发工作提供了全面的资源支持。
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。
ED-Pose - 革新端到端多人姿态估计框架
ED-PoseGithub多人姿态估计开源项目深度学习目标检测计算机视觉
ED-Pose创新性地将多人姿态估计任务重新定义为两个显式框检测过程,无需后处理和密集热图监督。该框架在COCO数据集上超越同等骨干网络的热图方法1.2 AP,并在CrowdPose数据集上达到76.6 AP的领先水平。ED-Pose还兼容Human-Art数据集,并优化了推理速度。
PointTransformerV3 - 先进的点云处理框架
GithubPoint Transformer V3开源项目深度学习点云处理计算机视觉语义分割
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。
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。
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