Project Icon

Far3D

突破远距离3D目标检测的新框架,提升环视感知能力

这是一个创新的稀疏查询框架,专注于解决远距离3D目标检测问题。该项目通过2D目标先验生成自适应3D查询,并利用透视感知聚合模块处理多视角和多尺度特征。还开发了范围调制的3D去噪技术,有效解决了查询错误传播和收敛问题。在Argoverse 2和nuScenes数据集上,展现出优异的性能,推动了环视3D目标检测技术的发展。

BundleSDF - 神经网络实现未知物体6自由度跟踪和3D重建
3D重建6-DoF跟踪BundleSDFGithub姿态图优化开源项目神经对象场
BundleSDF是一种创新的计算机视觉方法,能够从单目RGBD视频序列中实现未知物体的6自由度跟踪和3D重建。该方法基于神经网络技术,适用于各种刚体物体,包括缺乏视觉纹理的情况。通过结合神经物体场和位姿图优化,BundleSDF能够将信息稳健地整合到一致的3D表示中,准确捕捉物体的几何形状和外观特征。这种方法能够有效处理大姿态变化、遮挡、无纹理表面和镜面高光等复杂场景。
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。
flatformer - 优化点云变换器性能
3D目标检测FlatFormerGithubWaymo数据集开源项目点云transformer自注意力机制
FlatFormer是一种新型点云变换器算法,采用扁平化窗口注意力机制提高处理效率。在Waymo开放数据集上,它实现了领先的精度,并比现有方法快4.6倍。FlatFormer首次在边缘GPU上达到实时性能,为自动驾驶等对延迟敏感的应用开辟新途径。该算法通过平衡空间邻近性和计算规律性,减少了结构化和填充开销。
D-FINE - 精细化分布优化在实时物体检测中的应用
D-FINEDETRFine-grained Distribution RefinementGithub对象检测开源项目自蒸馏
D-FINE是一款实时物体检测工具,通过重新定义DETRs中的边框回归任务为精细化分布优化(FDR)以及引入全局最优定位自蒸馏(GO-LSD),在不增加推理和训练成本的情况下,提升了检测性能。它在复杂街道场景下具有出色的定位能力,对于逆光、运动模糊和密集人群等挑战表现优异。最新版本增强了预训练模型的性能并提供了自定义数据集微调和输入尺寸调整的配置。
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。
AdelaiDepth - 开源单目深度预测工具箱 推进3D场景重建研究
3D场景重建AdelaiDepthGithub单目深度预测开源项目深度学习计算机视觉
AdelaiDepth是开源单目深度预测工具箱,整合3D场景形状重建等多种算法。项目聚焦单一图像深度学习和3D场景恢复,相关成果入围CVPR'21最佳论文。通过提供训练代码和数据集,AdelaiDepth为计算机视觉领域研究提供了重要资源。
pytorch3d - 基于PyTorch的高效3D计算机视觉研究库
3D计算机视觉GithubPyTorch3D三角网格可微分渲染开源项目深度学习
PyTorch3D是一个基于PyTorch的3D计算机视觉研究库,提供高效、可复用的组件。主要功能包括三角网格操作、可微分渲染和隐式表示框架。该库与深度学习方法无缝集成,支持异构数据批处理、可微分运算和GPU加速。PyTorch3D已应用于多个研究项目,并提供全面的教程和文档。
3d-bat - 全面高效的3D全景数据标注工具箱
3D BATGithub多模态数据开源项目标注工具自动驾驶计算机视觉
3D-BAT是一个开源的3D边界框标注工具箱,专门用于全景多模态数据流的处理。该工具支持AI辅助标注、批量编辑和插值模式等功能,实现了3D到2D的标签转换和自动跟踪。作为基于Web的应用,3D-BAT支持在线访问和跨平台使用,并提供了高度的可定制性。这个工具箱为自动驾驶和计算机视觉等领域的研究提供了一个实用的数据标注解决方案。
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。
Total-Recon - 可变形场景重建技术实现沉浸式视角合成
3D重建GithubICCV 2023可变形场景重建开源项目视角合成计算机视觉
Total-Recon是一种可变形场景重建系统,能从RGBD传感器拍摄的长视频中重建场景几何、外观和物体运动。该系统支持从新视角渲染场景,包括第一人称和第三人称跟随视角,并提供3D视频滤镜功能。这项技术为沉浸式视角合成和增强现实应用提供了基础支持。
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