Project Icon

mvsplat

从稀疏多视角图像高效重建3D场景

MVSplat是一种基于3D高斯分布渲染的多视角图像重建技术。该项目利用深度学习和计算机视觉方法,从稀疏的多视角图像高效重建3D场景并实现新视角渲染。MVSplat在RealEstate10K和ACID数据集上表现优异,并具有良好的跨数据集泛化能力。项目提供了安装指南、预训练模型和评估代码,便于研究人员进行复现和改进。

Mantis - 基于LLaMA-3的先进多图像理解AI模型
GithubLLaMA-3Mantis人工智能多图像指令调优大型多模态模型开源项目
Mantis是基于LLaMA-3的大型多模态模型,专注于多图像视觉语言任务。通过在Mantis-Instruct数据集上进行36小时的指令微调,该模型在5个多图像基准测试中实现了领先性能。Mantis能处理交错的文本和图像输入,有效应对复杂多图像任务,同时保持出色的单图像处理能力。项目开源了代码、模型和演示,为AI研究和开发提供了强大的多图像处理工具。
NeuralLift-360 - 将2D照片转换为360度全方位3D模型的创新技术
3D建模GithubNeuralLift-360图像处理开源项目深度学习计算机视觉
NeuralLift-360是一项将单张2D照片转换为360度全方位3D模型的技术。该项目结合深度学习和计算机视觉,分析图像深度信息和前景掩码,实现高质量3D重建。项目提供Gradio应用界面,支持文本反转和Imagic微调功能,为研究人员和开发者提供实用的3D生成工具。
VoxFormer - 基于稀疏体素变换器的相机驱动3D语义场景补全方法
3D语义场景补全CVPRGithubVoxFormer开源项目计算机视觉语义分割
VoxFormer是一种基于Transformer的创新框架,仅通过2D图像即可生成完整的3D语义体素。它采用两阶段设计:先从深度估计生成可见占据体素查询,再通过密集化阶段生成完整3D体素。在SemanticKITTI数据集上,VoxFormer在几何和语义方面分别提升了20.0%和18.1%,同时将训练所需GPU内存减少约45%。这为相机驱动的3D语义场景补全任务提供了一个强有力的基线。
gtsfm - 高性能并行结构运动恢复管线GTSfM
3D重建GTSAMGTSfMGithub并行计算开源项目结构运动恢复
GTSfM是一个基于GTSAM的开源结构运动恢复(SfM)管线,专为并行计算设计。它利用Dask实现分布式处理,集成了SuperPoint和SuperGlue等先进算法。GTSfM提供Python接口,无需编译即可使用。该项目支持多种场景重建任务,可与Nerfstudio等工具集成,为计算机视觉领域提供了灵活高效的解决方案。
Infusion - 基于扩散先验的3D高斯体场景修复技术
3D GaussiansGithub图像修复开源项目扩散模型深度补全神经渲染
InFusion项目提出了一种创新的3D场景修复方法,通过学习扩散先验的深度完成来修复3D高斯体。该技术实现了对不完整3D场景的高质量修复,能够处理复杂的遮挡情况。InFusion为3D重建和虚拟现实等领域提供了新的解决方案,项目开源了推理代码和预训练模型,为相关研究和开发提供了重要资源。
Uni3D - 突破性统一3D表示学习框架
3D表示GithubUni3D开源项目点云零样本分类预训练
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。
3D-PointCloud - 点云技术研究进展与应用综述
3D视觉Github开源项目点云目标检测自动驾驶语义分割
该项目汇总了3D点云处理相关的研究论文和数据集。内容涵盖目标检测、语义分割、点云配准和完成等多个任务。同时收录了自动驾驶、3D视觉变换器等领域的综述文献。这一资源有助于研究人员和工程师了解点云技术的最新进展。
deepdataspace - 开源计算机视觉数据集工具 提供可视化 标注和分析功能
DeepDataSpaceGithub开源数据集工具开源项目数据可视化数据标注模型分析
DeepDataSpace是一个开源计算机视觉数据集工具,提供交互式数据可视化、探索和智能标注功能。支持多平台和协作工作流,易于安装使用。通过直观界面帮助用户高效管理和分析大规模图像数据集,适用于CV项目开发和研究。
EmbodiedScan - 全面多模态3D感知套件,提高具身AI的理解能力
3D感知EmbodiedScanGithubMMScan多模态开源项目深度学习
EmbodiedScan及其系列如MMScan是专为多模态3D感知设计的开放数据集与基准,用于深入理解第一人称3D场景。包含超过5000次扫描、100万RGB-D视图、语言提示和160k 3D定向框。基于此数据库的Embodied Perceptron展示了在3D感知和语言定位中的优秀表现,适用于计算机视觉和机器人领域。通过我们的演示和基准测试,了解详细信息和应用案例。
mvdream-sd2.1-diffusers - 基于多视图扩散的开源3D生成模型框架
3D生成DiffusersGithubHuggingfaceMVDream人工智能多视角扩散开源项目模型
MVDream-sd2.1-diffusers是一个开源的3D内容生成框架,基于多视图扩散技术。该项目将MVDream模型移植到Diffusers库中,实现了多视角3D生成功能。通过文本提示,用户可以创建高质量的3D模型,适用于创意设计和虚拟内容制作。项目在GitHub上提供示例代码,方便快速上手。框架设计时考虑了伦理因素,避免生成具有敌意或冒犯性的内容。
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

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