Project Icon

MonoGS

基于3D高斯分布的实时场景重建与定位系统

MonoGS是一个基于3D高斯分布的SLAM系统,支持单目、双目和RGB-D输入。该系统实现了实时稠密三维重建和精确相机定位,在室内场景中表现优异。通过高斯分布表示三维场景,MonoGS采用创新优化方法实现高效场景更新和渲染。作为CVPR 2024亮点论文,MonoGS展示了在计算机视觉和机器人领域的应用前景。

ESANet - 高效RGB-D语义分割网络用于室内场景分析
ESANetGithubRGB-D实时处理室内场景分析开源项目语义分割
ESANet是一个高效的RGB-D语义分割网络,专为室内场景分析设计。该网络在NVIDIA Jetson AGX Xavier上实现实时语义分割,适用于移动机器人的实时场景分析系统。项目提供训练和评估代码,支持模型转换至ONNX和TensorRT,并可测量推理时间。ESANet在NYUv2、SUNRGB-D和Cityscapes等数据集上展现出优异性能。
Consistent4D - 单目视频到360度动态物体的生成
4D重建Github动态物体生成单目视频开源项目时空一致性神经辐射场
Consistent4D是一种创新方法,能从未校准的单目视频生成动态物体的360度视图。该方法将360度动态物体重建转化为4D生成问题,利用物体级3D感知图像扩散模型监督动态神经辐射场的训练。Consistent4D引入级联DyNeRF和插值驱动的一致性损失,无需繁琐的多视图数据收集和相机校准。实验表明,该方法在4D动态物体生成和文本到3D生成任务中展现出优异性能。
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。
MagicDrive - 多样化3D几何控制的街景生成框架
3D几何控制GithubMagicDrive开源项目扩散模型街景生成计算机视觉
MagicDrive是一个创新街景生成框架,提供多样化的3D几何控制,包括相机姿态、道路地图和3D边界框。通过结合文本描述、定制编码策略和跨视图注意力模块,实现了多相机视角的一致性。该框架能生成高保真街景图像和视频,精确捕捉3D几何特征和场景细节,有助于提升BEV分割和3D物体检测等任务的性能。
PointLLM - 多模态大语言模型理解点云数据的突破性进展
3D点云GithubPointLLM多模态大语言模型开源项目计算机视觉
PointLLM是一个创新的多模态大语言模型,可理解物体的彩色点云数据。该模型能够感知物体类型、几何结构和外观,而不受深度模糊、遮挡或视角依赖等问题影响。项目团队收集了包含660K简单和70K复杂点云-文本指令对的数据集,并采用两阶段训练策略。为评估模型的感知和泛化能力,研究人员建立了生成式3D物体分类和3D物体描述两个基准,并使用三种评估方法进行测试。
SpaTracker - 将2D像素的3D空间运动轨迹可视化
3D追踪CVPR 2024GithubSpatialTracker像素追踪开源项目计算机视觉
SpaTracker是一个计算机视觉项目,可在3D空间中追踪视频中任意2D像素的运动轨迹。该项目支持RGB和RGBD视频输入,采用单目深度估计技术实现像素级追踪。SpaTracker提供演示代码和预训练模型,可视化效果优秀。这一工具可应用于动作分析和视觉特效等领域。该项目在CVPR 2024被评为亮点论文,体现了其在3D视觉追踪领域的创新性。
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。
lidar-camera-fusion - LiDAR点云与相机图像融合的ROS实现
GithubLiDARROSVelodyne VLP16开源项目点云投影相机融合
这个ROS项目实现了Velodyne VLP16 LiDAR点云与RGB相机图像的融合。通过将点云转换为距离图像并应用双线性插值,提高了点云数据密度。项目包含安装指南、ROS主题说明,以及与FLOAM包结合的里程计测试。该技术在户外垃圾检测和深度估计等领域具有应用前景。
Groma - 多模态大语言模型Groma的视觉定位技术
GithubGroma区域理解多模态大语言模型开源项目视觉上下文视觉标记
Groma是一款多模态大语言模型,具有出色的区域理解和视觉定位功能,能够处理用户定义的区域输入并生成基于视觉内容的长文本回答。Groma采用独特的视觉标记和外部模块进行定位,在多模态引用表达理解基准方面表现优秀,并提供详细的安装、数据准备和训练指南,方便用户进行自定义训练。
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