Project Icon

cad-estate

大规模3D场景理解数据集 带对象和房间布局标注的RGB视频

CAD-Estate是一个大规模3D场景理解数据集,包含复杂多对象的RGB视频。每个视频都标注了全局一致的3D对象表示和房间布局。数据集提供101K个实例、12K个独特CAD模型和20K个视频的3D表示,还包括2246个视频的复杂拓扑结构房间布局。CAD-Estate为3D场景理解研究提供丰富资源,对现有自动场景理解方法提出新挑战。

Pointcept - 开源点云感知研究平台
3D表示学习CVPRGithubPointcept开源项目点云感知预训练
Pointcept 是一个专为点云感知研究设计的开源代码库,集成了 Point Transformer V3、OA-CNNs 和 PonderV2 等顶尖技术。通过多数据集预训练架构和高效的场景对比学习框架,Pointcept 在室内外场景中表现出色。用户可以使用统一接口和预处理支持,快速部署点云感知解决方案。项目持续更新,最近的新版本优化数据集结构,提升整体性能。
easyportrait - 人像分割和面部解析大规模数据集
EasyPortraitGithub人像分割人工智能开源项目数据集面部解析
EasyPortrait是一个包含40,000张高质量标注RGB图像的数据集,用于人像分割和面部解析研究。数据集提供9个类别的标注,涵盖背景、人物、皮肤、眉毛、眼睛等。它可应用于视频会议背景移除、面部美化等多个场景。数据集基于用户ID划分训练、验证和测试集,并提供多个基线模型的预训练权重,为计算机视觉研究提供了有价值的资源。
Gaussian-SLAM - 革新性实时3D重建技术,融合高斯散射实现逼真效果
3D重建Gaussian-SLAMGithubSLAM开源项目神经渲染计算机视觉
Gaussian-SLAM是一种创新的3D场景重建技术,将高斯散射与SLAM系统相结合。该技术能够准确映射环境,生成高质量纹理和细节,实现照片级真实的稠密重建效果。Gaussian-SLAM在Replica、TUM_RGBD、ScanNet等多个数据集上展示了优秀性能,为实时3D重建和增强现实应用开辟了新途径,是计算机视觉和机器人领域的重要进展。
shape-of-motion - 从单个视频实现4D场景重建的前沿技术
4D重建GithubShape of Motion单视频重建开源项目深度学习计算机视觉
Shape of Motion项目展示了一种新型4D重建方法,可从单个视频重建动态3D场景。该项目结合深度学习和计算机视觉技术,实现运动物体的精确重建。项目包含完整工作流程,涵盖预处理、模型训练和性能评估。研究团队公开了源代码和数据集,为计算机视觉领域提供了有价值的研究资源。这一技术可能在计算机图形学、增强现实等方面带来应用突破。
hagrid - 大规模手势识别图像数据集助力人机交互系统开发
GithubHaGRID图像数据集开源项目手势识别机器学习计算机视觉
HaGRID是一个包含554,800张全高清RGB图像的手势识别数据集,涵盖18种手势类别。数据集由37,583名受试者在多种光照条件下采集,适用于图像分类和目标检测任务。HaGRID可用于开发视频会议、家庭自动化和汽车领域的手势识别系统,推动人机交互技术进步。
PETR - 多视角3D感知框架 目标检测与BEV分割的统一解决方案
3D目标检测GithubPETRv2nuScenes数据集位置嵌入多视图感知开源项目
PETR是一个多视角3D感知框架,通过位置嵌入变换将3D坐标信息编码到图像特征中。其升级版PETRv2引入时序建模,支持目标检测和BEV分割。该框架在nuScenes数据集上展现了出色性能,为3D感知研究提供了有力基线。此外,PETR还支持3D车道线检测,相关工作在CVPR 2023工作坊中获得第一名。
2dimageto3dmodel - 创新损失函数实现单图2D到3D模型生成
3D模型生成GANGithub单图重建开源项目损失函数点云
该项目开发了一种新型损失函数,能够直接从单张2D图像生成3D模型,无需复杂的渲染过程。项目采用条件GAN架构实现纹理映射,并优化了点云到3D网格的转换技术。在CUB鸟类和Pascal 3D+数据集上的测试显示了显著效果。此外,项目还提供预训练模型、伪真值生成和网格生成器训练等功能,为3D重建研究领域贡献了实用工具和参考方法。
awesome-6d-object - 6D物体姿态估计与重建资源汇总
3D重建CVPRGithub开源项目深度学习物体姿态估计计算机视觉
这个项目整理了6D物体姿态估计、单视图3D物体重建和3D手-物体姿态估计领域的重要资源。内容包括arXiv论文、期刊会议论文、学位论文、数据集、研讨会和挑战赛信息。资源按年份和会议分类,涵盖2014年至今的研究进展,为相关研究人员提供了全面的参考。
MiraData - 长时视频数据集助力AI视频生成研究
GithubMiraData开源项目结构化标注视频数据集视频生成长视频
MiraData是一个为长视频生成任务设计的大规模数据集。其特点包括平均72秒的视频长度和详细的结构化字幕。数据集提供330K、93K、42K和9K四个版本,每个视频配有六类字幕:主要对象、背景、风格、相机运动、简短摘要和详细描述。这些特性使MiraData成为改进长序列视频处理和镜头转换建模的重要资源。
3D-VisTA - 简化3D视觉和文本对齐的新型预训练模型
3D-VisTAGithub多模态融合开源项目自然语言处理计算机视觉预训练模型
3D-VisTA是一种新型预训练变换器模型,专注于3D视觉和文本对齐。该模型采用简洁统一的架构,无需复杂的任务特定设计,可轻松适应多种下游任务。通过在大规模ScanScribe数据集上预训练,3D-VisTA在视觉定位、密集字幕生成等3D视觉语言理解任务中达到了领先水平。此外,该模型还表现出优异的数据效率,即使在标注数据有限的情况下也能保持强劲性能。
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