Project Icon

acezero

基于增量学习的图像集合场景重建与姿态估计方法

该项目提出了一种基于增量学习的场景坐标重建方法,结合了RANSAC和DSAC*算法,实现了高精度的图像姿态估计。ACE0提供了丰富的实验数据和可视化工具,支持部分重建和自监督重定位等高级用例。项目代码基于PyTorch实现,并已在Ubuntu 20.04和多种GPU环境下测试。

Era3D - 基于高效行注意力的高分辨率多视图扩散模型
3D重建AI生成Era3DGithub多视图扩散开源项目高分辨率
Era3D是一个高分辨率多视图扩散模型,采用高效行注意力机制生成3D内容。该模型可从单张图像创建多视角数字人像,包括色彩和法线图像。项目开源了实现代码、预训练权重,并提供在线演示。Era3D在保持输出质量的同时提高了计算效率,为3D内容创作和计算机视觉研究提供了实用工具。
vid2avatar - 自监督场景分解实现野外视频3D人物重建
3D头像重建GithubVid2Avatar场景分解开源项目自监督学习视频处理
Vid2Avatar是一个开源项目,采用自监督场景分解方法从未处理的野外视频中重建3D人物模型。该方法无需额外监督,通过分离人物和背景实现精确建模。项目包含完整代码、预处理数据集和使用说明,适用于复杂场景的人物建模。
Awesome-ECCV2024-ECCV2020-Low-Level-Vision - ECCV底层视觉研究论文与代码汇总
ECCVGithub图像处理底层视觉开源项目计算机视觉论文收集
本资源库汇集了ECCV2024和2020年底层视觉领域的论文及代码。涵盖超分辨率、图像去雨、去雾、去模糊、去噪、恢复和增强等多个研究方向。项目提供了便捷的平台,使研究人员和开发者能够快速获取最新成果。此外,仓库还链接了CVPR、ICCV等相关会议论文集,以及底层视觉和AIGC研究组的整理资料。
BEVFormer - 多摄像头鸟瞰图学习框架助力自动驾驶感知
BEVFormerGithub多相机感知开源项目目标检测自动驾驶鸟瞰图表示
BEVFormer是一个用于自动驾驶感知的开源框架,通过时空Transformer从多摄像头图像中学习统一的鸟瞰图表示。该方法利用预定义的网格查询,结合空间交叉注意力和时间自注意力机制,有效聚合多视角的空间和时序信息。在nuScenes测试集上,BEVFormer达到56.9%的NDS指标,显著超越现有方法,与激光雷达系统性能相当。这一创新为基于纯视觉的3D目标检测提供了新的基准。
RayDiffusion - 射线扩散模型在相机姿态估计中的应用
GithubRayDiffusion开源项目扩散模型深度学习相机姿态估计计算机视觉
RayDiffusion项目提出了一种将相机表示为射线并应用扩散模型的姿态估计方法。该方法支持已知边界框和从掩码自动提取边界框两种模式,同时提供射线回归选项。项目包含代码实现、预训练模型和使用说明,适用于计算机视觉领域的研究和开发。
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。
ARKitScenes - 革新3D室内场景理解的大规模数据集
3D室内场景理解ARKitScenesGithubRGB-D数据集家具标注开源项目深度传感器
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。
Depth-Anything-V2-Base - 更快更精细的单目深度估计模型
Depth-Anything-V2GithubHuggingface图像处理开源项目模型深度估计深度学习计算机视觉
Depth-Anything-V2是一款先进的单目深度估计模型,由595K合成标记图像和62M+真实未标记图像训练而成。它在细节表现、鲁棒性和效率上都超越了V1版本,处理速度比基于SD的模型快10倍。采用ViT-B架构,该模型为计算机视觉领域提供了高效的深度预测工具,尤其适用于需要精确深度信息的应用场景。
align-base - 视觉语言对齐模型实现高效零样本图像分类
ALIGNCOYO-700MGithubHuggingface图像识别多模态学习开源项目模型计算机视觉
ALIGN采用EfficientNet和BERT构建双编码器架构,结合对比学习技术实现视觉与文本表示对齐。基于COYO-700M数据集训练的模型具备零样本图像分类和多模态嵌入检索能力,其性能表现达到甚至超越了Google原始ALIGN模型的水平,是一个公开可用的视觉语言对齐工具。
Depth-Anything-V2-Small-hf - 单目深度估计新标杆 精细、稳健且高效
Depth Anything V2GithubHuggingface人工智能图像处理开源项目模型深度估计计算机视觉
Depth-Anything-V2-Small-hf是一款基于DPT架构和DINOv2主干的先进单目深度估计模型。经过大规模合成和真实图像训练,它在细节精度和稳健性上超越了前代产品。相比基于稳定扩散的模型,该模型速度提升10倍,且更为轻量。它在零样本深度估计任务中表现卓越,可广泛应用于3D重建和场景理解等领域。研究者和开发者可通过Transformers库便捷地集成和使用这一模型。
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