Project Icon

Vision-Centric-BEV-Perception

视觉驱动的鸟瞰视角感知技术与应用综述

本文全面探讨了视觉驱动的鸟瞰视角(BEV)感知技术的应用和最新进展。文章覆盖了多个数据集、几何转换以及网络架构,展示了在逆向透视投影、深度转换和网络基础的PV2BEV转换领域的研究成果。还总结了从MLP到Transformer等现代架构在3D检测和语义分割任务上的表现,并提供了详细的时间线和基准测试结果,帮助读者理解和利用这些技术在自动驾驶等相关领域。

SV3D Online - 单一图像生成3D视频与多角度视图技术
3D生成AI工具AI建模Stable Video 3D图像处理多视图合成
SV3D Online基于Stable Video 3D技术,实现单一图像到多角度视图和3D视频的转换。平台提供高质量新视角合成和3D生成功能,包括SV3D_u轨道视频生成和SV3D_p指定路径3D视频生成两种变体。网站还提供全面的学习资源和FAQ,是探索Stable Video 3D技术的综合平台。
Spectral-Graph-Survey - 谱图神经网络研究综述与发展趋势
Github图信号处理图神经网络开源项目空间域谱图卷积频谱域
该项目汇集了谱图神经网络领域的重要研究成果,包括里程碑论文、空间和谱域方法对比以及双胞胎论文等。内容涵盖2015年至2023年的关键进展,系统梳理了该领域的发展脉络。项目不仅总结现有工作,还探讨未来趋势,为谱图神经网络研究提供全面参考。
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。
3dv_tutorial - 开源3D视觉入门教程及OpenCV实践
3D视觉GithubOpenCV图像拼接开源项目相机标定视觉里程计
3dv_tutorial是一个开源的3D视觉入门教程,面向初学者和开发者。教程结合理论讲解和OpenCV实践,涵盖单视图、双视图和多视图几何等主题。通过简洁的示例代码和应用实例,帮助理解3D视觉基本原理并实现相关应用。教程内容包括相机标定、姿态估计、特征匹配、三维重建等,适合各类人群学习使用。
Awesome-3D-Object-Detection - 3D目标检测研究资源汇总 激光雷达方法全览
3D目标检测Github开源项目深度学习激光雷达自动驾驶计算机视觉
该项目汇总了3D目标检测领域的研究资源,聚焦基于激光雷达的方法。内容包括顶级会议信息、数据集、论文链接等,涵盖从基础到前沿的技术。项目为研究人员提供了解该领域进展的集中平台,是3D目标检测研究的重要参考。
zero123 - 零样本单图像到3D对象转换技术
3D重建GithubObjaverseZero-1-to-3单视图开源项目稳定扩散
探索一种创新技术,通过一张图像实现高精度的3D对象重建。研究介绍了如何使用Zero123进行新视角合成和3D重建,解决了文字转图像模型中的视角歧义问题,并展示了其在多种应用中的卓越性能。项目还包括Zero123-XL和Objaverse-XL的最新权重发布,以及详细的使用和训练指南,支持研究者和开发者在现有硬件上进行开发和测试。
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。
dpt-beit-large-512 - BEiT架构驱动的高性能单目深度估计模型
BEiTDPTGithubHuggingfaceMiDaS单目深度估计开源项目模型计算机视觉
dpt-beit-large-512是一款基于BEiT架构的单目深度估计模型,采用512x512高分辨率在140万张图像上训练。模型能从单一图像推断详细深度信息,在多项基准测试中表现卓越。作为MiDaS v3.1系列中的佼佼者,该模型在3D重建、自动驾驶等计算机视觉任务中展现出强大的深度估计能力。
acezero - 基于增量学习的图像集合场景重建与姿态估计方法
ACE0GithubPyTorch场景坐标重建开源项目深度估计相机注册
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。
EVE - 无编码器视觉语言模型实现高效性能
EVEGithub开源项目微调无编码器视觉语言模型预训练
EVE项目开发了一种无编码器的视觉语言模型架构,通过高效训练策略和精选数据集实现了与现有编码器基础模型相当的性能。该模型支持任意纵横比图像输入,在多项基准测试中表现优异。EVE-7B和EVE-7B-HD两个版本在视觉语言任务中展现了强大能力,为跨模态纯解码器架构提供了高效实用的开发方法。
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

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。

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