Logo

#点云

DiT-3D: 探索用于3D形状生成的纯扩散变换器

2 个月前
Cover of DiT-3D: 探索用于3D形状生成的纯扩散变换器

LiDAR-Bonnetal:基于深度学习的激光雷达点云语义分割框架

2 个月前
Cover of LiDAR-Bonnetal:基于深度学习的激光雷达点云语义分割框架

3D点云技术的发展与应用

2 个月前
Cover of 3D点云技术的发展与应用

GeoGaussian: 几何感知的高斯散射技术助力场景渲染

2 个月前
Cover of GeoGaussian: 几何感知的高斯散射技术助力场景渲染

labelCloud: 轻量级3D点云标注工具

2 个月前
Cover of labelCloud: 轻量级3D点云标注工具

segment-lidar: 革命性的航空LiDAR数据无监督实例分割方案

2 个月前
Cover of segment-lidar: 革命性的航空LiDAR数据无监督实例分割方案

2dimageto3dmodel: 从单一2D图像生成3D模型的高效损失函数

2 个月前
Cover of 2dimageto3dmodel: 从单一2D图像生成3D模型的高效损失函数

OpenPCDet: 一个开源的基于LiDAR的3D目标检测工具箱

2 个月前
Cover of OpenPCDet: 一个开源的基于LiDAR的3D目标检测工具箱

分层3D高斯表示:实时渲染超大规模数据集的革命性方法

2 个月前
Cover of 分层3D高斯表示:实时渲染超大规模数据集的革命性方法

Uni3D:探索大规模统一3D表示

2 个月前
Cover of Uni3D:探索大规模统一3D表示

相关项目

Project Cover
LL3DA
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。
Project Cover
Uni3D
Uni3D是一个创新的3D预训练框架,致力于大规模3D表示学习。该框架采用2D预训练模型初始化,通过端到端训练实现3D点云与图像-文本特征对齐。Uni3D凭借简洁架构和高效预训练,成功将模型规模扩展至10亿参数,在多项3D任务中取得突破性进展,展现了将2D深度学习优势迁移至3D领域的巨大潜力。
Project Cover
labelCloud
labelCloud是一个开源的3D点云标注工具,用于在点云数据中标注3D边界框。该工具提供拾取和跨度两种标注模式,支持多种点云文件格式的导入和标签格式的导出。此外,labelCloud还具备基于边界框的语义分割功能。其轻量级设计和灵活的配置使其适用于多种3D对象检测场景。
Project Cover
draco
Draco是Google开发的开源库,用于压缩3D几何网格和点云数据。它可以显著减小3D图形文件大小,同时保持视觉质量。Draco提供C++压缩源码和多语言解码器,支持压缩顶点、连接信息、UV、颜色、法线等属性。通过使用Draco,3D应用可以获得更快的加载速度和更好的渲染性能。
Project Cover
DiverseShot AI
DiverseShot AI是一款专业的视频转3D高斯分布点云模型工具。它通过三步简化流程:多角度拍摄、AI训练处理、导出上传,将普通视频转化为浏览器可访问的逼真3D场景。该工具无需编码技能,为创作者提供了将日常视频转换为交互式3D内容的创新方法,适用于在线展示和虚拟现实等多种应用场景。用户可以轻松将现实世界的物体转化为沉浸式的3D体验,为各种在线展示和虚拟现实应用创造独特的视觉效果。
Project Cover
OpenPCDet
OpenPCDet是一个开源LiDAR 3D目标检测框架,支持PointRCNN、PV-RCNN等多种算法。具有简洁设计,兼容多种数据集和模型,在KITTI和Waymo等数据集上提供基准性能。支持分布式训练和多头检测,是功能丰富的3D检测工具箱。
Project Cover
GaussianSplats3D
GaussianSplats3D是基于Three.js的3D高斯点渲染引擎,能将2D图像转换为实时交互的3D场景。它支持.ply、.splat和.ksplat格式,集成了WebXR、球谐函数渲染和优化的剔除排序算法。该项目可独立运行或与Three.js场景集成,为3D渲染提供灵活解决方案。GaussianSplats3D适用于Web环境,支持大规模点云渲染,性能优化突出。
Project Cover
GeoGaussian
GeoGaussian是一种创新的场景渲染方法,利用几何感知的高斯分布优化来保持场景结构。它通过初始化表面对齐的薄高斯分布和约束优化,有效保持了场景的几何和纹理特征。该方法在新视角合成和几何重建方面表现优异,尤其适合结构化区域。项目开源了代码、数据集和使用说明,为计算机视觉研究提供了有价值的资源。
Project Cover
hierarchical-3d-gaussians
这个项目开发了一种层次化3D高斯表示方法,能够实时渲染大规模数据集。通过分层优化和合并策略,该方法高效地表示和渲染复杂场景。项目包含预处理、优化和实时查看器等步骤,可处理含数千图像的大型数据集。代码库提供完整实现和使用说明,涵盖环境配置、数据准备和训练流程。
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