Project Icon

iros20-6d-pose-tracking

6D姿态跟踪的优化方案,提高机器人操控和视觉领域的精度和效率

se(3)-TrackNet通过校准合成图像残差,实现视频序列中的6D姿态跟踪,适用领域包括机器人操控和增强现实。其神经网络架构有效减少域迁移,并采用Lie Algebra实现三维定向表示,即使仅使用合成数据训练也能在真实图像中工作。研究表明,在遮挡条件下,该方法提供稳定和精准的姿态估计,计算效率高达90.9Hz。

WHAM - 基于世界坐标系的高精度3D人体动作重建技术
3D人体重建GithubWHAM人体姿态估计开源项目深度学习计算机视觉
WHAM是一种创新的3D人体动作重建技术,能在世界坐标系中精确重现人体动作。该技术基于PyTorch平台,整合了视觉变换器和SLAM技术,可从单一视频中提取精确的人体运动和姿态数据。WHAM在3DPW和EMDB等多个基准数据集上展现出卓越性能,为人体动作分析和计算机视觉研究开辟了新途径。
control_v11p_sd15_openpose - 基于OpenPose的人体姿态控制AI图像生成模型
ControlNetGithubHuggingfaceStable Diffusion人工智能图像生成姿态检测开源项目模型
这是一个基于Stable Diffusion v1-5的图像生成控制模型,专注于人体姿态控制。相比1.0版本,该模型改进了OpenPose实现,增强了手部和面部细节控制,并优化了训练数据集。它能生成更自然准确的图像,为创作者提供精确的人物姿态控制功能。该模型可与Stable Diffusion v1-5无缝集成,适用于需要精细人体姿态控制的AI图像生成场景。
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。
controlnet-openpose-sdxl-1.0 - 基于SDXL的开源人体姿态控制模型
ControlNetGithubHuggingfaceSDXL人体姿态检测图像生成开源项目机器学习模型
controlnet-openpose-sdxl-1.0是一个基于SDXL开发的人体姿态控制模型,通过OpenPose技术实现对AI生成图像中人物姿态的控制。模型在HumanArt数据集上达到0.357 mAP指标,可用于生成真实人物和动漫风格图像。该项目基于stabilityai的SDXL基础模型开发,采用Apache 2.0许可证发布。
EFG - 高效灵活的深度学习框架支持多项计算机视觉任务
3D目标检测EFGGithub开源项目深度学习框架目标跟踪计算机视觉
EFG是一个高效、灵活且通用的深度学习框架,采用最小化设计。该框架支持2D和3D目标检测、全景分割等多种计算机视觉任务,并在Waymo和nuScenes等数据集上展现优异性能。EFG集成了多个最新研究成果,如TrajectoryFormer和ConQueR,为3D目标检测和跟踪领域提供创新解决方案。研究人员可利用EFG的项目模板探索各种研究主题。
DyCo3D - 动态卷积实现鲁棒3D点云实例分割
3D点云实例分割DyCo3dGithub动态卷积开源项目深度学习计算机视觉
DyCo3D提出了一种新型3D点云实例分割方法,采用动态卷积技术处理实例尺度变化问题。该方法结合大范围上下文信息和轻量级Transformer,在ScanNetV2和S3DIS数据集上取得领先结果,推理速度提升25%以上。DyCo3D简化了传统bottom-up方法的复杂流程,对超参数不敏感,为3D点云实例分割领域提供了高效且鲁棒的新方案。
DWPose - 基于两阶段蒸馏的高效全身姿态估计方法
COCO数据集ControlNetDWPoseGithub两阶段蒸馏全身姿态估计开源项目
DWPose是一种采用两阶段知识蒸馏的全身姿态估计方法。该项目提供多个不同规模的模型,在COCO-WholeBody数据集上表现出色。DWPose可替代OpenPose用于ControlNet,提升图像生成质量。项目开源了模型及相关代码,支持ONNX推理,并可与Stable Diffusion WebUI集成。
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。
Director3D - 将文本转化为真实世界相机轨迹和3D场景的AI项目
3D场景生成3D高斯溅射Director3DGithub开源项目文本生成相机轨迹
Director3D是一个基于文本生成真实世界相机轨迹和3D场景的AI项目。它结合了轨迹扩散模型、3DGS驱动的多视角潜在扩散模型和SDS++优化技术,能在20秒内生成粗略3D高斯溅射,5分钟内完成精细化。项目开源了代码和预训练模型,并提供了在线演示,为3D内容创作和计算机视觉研究提供了新的可能性。
YOLOv6 - 高性能目标检测框架支持多场景应用
GithubYOLOv6开源项目模型训练深度学习目标检测计算机视觉
YOLOv6是一款高效的目标检测框架,提供从轻量级到大型的多种模型选择。它在速度和精度上取得平衡,支持量化和移动端部署,适用于各种实时检测场景。最新版本还引入了分割功能,扩展了应用范围。YOLOv6不仅适用于工业领域,还可广泛应用于安防、交通等多个领域。
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