Project Icon

CoDA_NeurIPS2023

创新3D目标检测框架实现开放词汇表任务

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。

Grounded-SAM-2 - 多模态视频目标检测与分割框架
GithubGrounding DINOSAM 2图像分割开源项目目标检测视频追踪
Grounded-SAM-2是一个开源项目,结合Grounding DINO和SAM 2技术,实现图像和视频中的目标检测、分割和跟踪。该项目支持自定义视频输入和多种提示类型,适用于广泛的视觉任务。通过简化代码实现和提供详细文档,Grounded-SAM-2提高了易用性。项目展示了开放世界模型在处理复杂视觉任务中的潜力,为研究人员和开发者提供了强大的工具。
gdrnpp_bop2022 - GDRNPP:BOP挑战赛获奖的6D物体姿态估计算法
6D姿态估计BOP Challenge 2022GDRNPPGithub姿态优化开源项目目标检测
GDRNPP_BOP2022是一个在ECCV'22 BOP挑战赛中获得多项大奖的6D物体姿态估计算法。该项目采用域随机化技术、ConvNext骨干网络和双重掩码头,并结合深度信息进行姿态优化。项目提供完整的训练和测试代码,涵盖目标检测、姿态估计和优化,为计算机视觉研究提供高性能的6D姿态估计工具。
DepthCrafter - 生成开放世界视频的长序列一致深度估计
DepthCrafterGithubHuggingface人工智能开源项目模型深度估计视频处理计算机视觉
DepthCrafter是一个开源深度估计项目,专门为开放世界视频生成时间一致的长序列深度图。该项目无需相机姿态或光流信息,可直接处理复杂场景视频,并保留精细细节。DepthCrafter在计算机视觉和3D重建领域具有潜在应用,为视频深度估计研究开辟新方向。
DRL-robot-navigation - 移动机器人深度强化学习自主导航方案
GazeboGithubROSTD3开源项目机器人导航深度强化学习
项目集成了ROS、Gazebo和PyTorch,构建了一个移动机器人深度强化学习导航框架。系统利用TD3算法训练机器人应对复杂环境,实现障碍物识别和目标导航。该方案为自主移动机器人研究提供了一个开源的实验平台。
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。
Cycle3D - 创新的图像到3D生成技术
Cycle3DGithub图像生成3D开源项目扩散模型生成重建循环高质量纹理
Cycle3D是一项图像到3D生成技术,通过生成-重建循环提高3D模型的质量和一致性。该技术结合2D扩散模型的纹理生成和3D重建的多视图一致性,在多步扩散过程中交替使用这两个模块。Cycle3D在生成质量和视图一致性方面表现优异,为3D内容创作提供了新的解决方案。
chat-with-nerf - 对话式神经辐射场3D对象定位技术
3D视觉定位Chat with NeRFGithub交互式对话大语言模型开源项目神经辐射场
Chat with NeRF项目利用人工智能和计算机视觉技术,通过自然语言对话实现神经辐射场中3D对象的开放词汇定位。该创新技术结合交互式定位,允许用户与AI代理对话来精确定位新颖物体。项目提供交互式演示、开源代码和全面评估结果,展示了3D视觉与语言交互的突破性应用。相关研究深入探讨了大型语言模型在3D视觉定位中的潜力,为计算机视觉领域开辟了新的发展方向。
dynablox - 基于体积映射的复杂环境动态对象实时检测方法
DynabloxGithubROS体积映射动态物体检测实时检测开源项目
Dynablox是一种基于在线体积映射的实时动态对象检测方法,针对复杂环境中的多样化移动物体。该开源项目提供完整的安装指南、数据集和运行示例,便于研究人员复现和扩展。Dynablox在准确性和实时性方面表现优异,已被NVIDIA的nvblox项目采用,可利用GPU加速实现高分辨率检测。其应用领域包括自动驾驶和机器人导航等。
RevCol - 多任务计算机视觉的新型架构
GithubRevCol图像分类开源项目目标检测计算机视觉语义分割
RevCol是一种新型神经网络架构,采用多个子网络(列)通过多层可逆连接组成。作为基础模型骨干,RevCol适用于图像分类、目标检测和语义分割等计算机视觉任务。该架构在ImageNet等基准测试中表现优异,项目提供了训练和评估代码,以及多个数据集上的预训练模型权重,方便研究人员进行进一步探索。
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