bevfusion

具有统一鸟瞰图表示的多任务多传感器融合

BEVFusion 多传感器融合自主驾驶 3D目标检测鸟瞰图表示 Github 开源项目

BEVFusion是一个有效的多任务多传感器融合框架，通过在共享的鸟瞰视角表示空间中统一多模态特征，解决了传统点级融合方法的局限性。其优化的视角转换和显著降迟特性使其在各种3D感知任务中表现出色。该框架在提升3D物体检测和BEV图分割性能的同时，大幅降低计算成本，树立了新行业标杆。

mvsplat - 从稀疏多视角图像高效重建3D场景

3D Gaussian SplattingGithubMVSplat多视图图像开源项目神经渲染计算机视觉

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。

MVDet - 基于特征透视变换的多视角行人检测系统

GithubMVDetMultiviewX数据集多视角检测开源项目特征透视变换行人检测

MVDet是一个开源的多视角行人检测系统，采用特征透视变换技术提高检测精度。项目包含自主开发的合成数据集MultiviewX，为相关研究提供数据支持。在Wildtrack数据集上，MVDet达到88.2%的MODA。项目开放源代码和预训练模型，便于研究人员进行深入研究。

3D-BoundingBox - 使用深度学习与几何方法，实现高效的3D边界框估计

3D Bounding BoxGithubKittiPyTorchYOLOv3开源项目深度学习

项目提供基于PyTorch的深度学习解决方案，通过结合YOLOv3和2D-3D几何转换，实现高效3D边界框估计。主要功能包括下载预训练权重、通过视频和图像数据进行模型推理和训练，依赖PyTorch和其他深度学习库。项目未来计划是在Kitti数据集上训练自定义YOLO网络和姿态可视化。目前版本每帧处理时间约为0.4秒，并计划进一步提升速度。文档中详细介绍了模型训练步骤及实际应用操作。

PersFormer_3DLane - PersFormer基于透视变换实现精确的3D车道线检测

3D车道线检测GithubOpenLane基准PersFormerPyTorch实现开源项目透视变换

PersFormer是一种创新的3D车道线检测模型，采用基于Transformer的模块生成BEV特征并参考相机参数。模型能同时进行2D和3D车道检测，提升特征一致性与多任务学习效果。PersFormer在OpenLane和Apollo 3D Lane Synthetic数据集上的表现优异，超越了多种现有方法，并提供简便的安装与评估说明以及详细的训练和测试指南，成为3D车道检测领域的重要进展。

S3Gaussian - 自监督3D高斯模型提升自动驾驶动态场景解析

3D高斯GithubS3Gaussian场景分解开源项目无人驾驶自监督学习

S3Gaussian使用3D高斯模型进行自监督动态街景解析，增强了自动驾驶的场景分解和渲染效果。该项目采用多分辨率hexplane编码器和多头高斯解码器，将4D网格编码为特征平面，并解码为4D高斯模型。无需额外注释即可优化模型。最新代码和评估已发布，详细介绍了环境配置、数据准备、训练和可视化过程。

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。

Total-Recon - 可变形场景重建技术实现沉浸式视角合成

3D重建GithubICCV 2023可变形场景重建开源项目视角合成计算机视觉

Total-Recon是一种可变形场景重建系统,能从RGBD传感器拍摄的长视频中重建场景几何、外观和物体运动。该系统支持从新视角渲染场景,包括第一人称和第三人称跟随视角,并提供3D视频滤镜功能。这项技术为沉浸式视角合成和增强现实应用提供了基础支持。

mahalanobis_3d_multi_object_tracking - 在NuScenes Tracking Challenge中荣获冠军，提升了自主驾驶3D多目标追踪的准确率

AB3DMOTAutonomous DrivingGithubNuScenes Tracking ChallengeProbabilistic TrackingStanford University开源项目

该项目提出了一种在线3D多目标追踪方法，在NeurIPS 2019 AI Driving Olympics Workshop上荣获NuScenes Tracking Challenge冠军。与AB3DMOT方法相比，显著提高了较小目标如行人的追踪精度。项目提供了详尽的技术报告与源码，以及详细的运行步骤，便于他人复现结果。使用MEGVII的检测结果，该方法在多目标追踪准确率（AMOTA）上表现出色，特别是对行人和小型目标的追踪效果尤为明显。

CrossFormer - 融合跨尺度注意力的高效视觉Transformer

CrossFormer++Github图像分类开源项目目标检测视觉Transformer跨尺度注意力

CrossFormer++是一种创新的视觉Transformer模型，通过跨尺度注意力机制解决了不同尺度对象特征间建立关联的问题。该模型引入跨尺度嵌入层和长短距离注意力等设计，并采用渐进式分组策略和激活冷却层来平衡性能与计算效率。在图像分类、目标检测和语义分割等视觉任务中表现优异，尤其在密集预测任务中效果显著。CrossFormer++为计算机视觉领域提供了一种灵活高效的新型架构。

mmdetection3d - 支持多模态单模态的开源3D目标检测框架

3D目标检测GithubMMDetection3D开源工具箱开源项目点云处理计算机视觉

MMDetection3D是OpenMMLab项目开发的开源3D目标检测框架，基于PyTorch构建。它支持多模态和单模态检测器，适用于室内外3D检测数据集，可与2D检测无缝集成。该框架提供300多种预训练模型、40多种算法实现，以及MMDetection全部功能模块。MMDetection3D不仅可用于研究，还可作为库支持各类3D检测应用开发。

相关项目

推荐项目

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。

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。

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。

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。

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。

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。

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。

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。

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。

使用协议隐私政策广告服务

投诉举报邮箱: service@vectorlightyear.com