视觉与 3D
464 个仓库检测、分割、3D 重建与定位。
把 YOLOX 目标检测封装成 ROS2 节点，支持 ONNX Runtime、OpenVINO、TensorRT、TFLite 等多种推理后端，方便机器人项目直接接入实时检测。
Pronto 是面向足式机器人的状态估计库，提供核心算法、ROS 封装和消息定义，帮助四足、双足机器人在行走中实时估计自身位姿与运动状态。
港大开源的基于事件相机的视觉里程计、视觉惯性里程计与SLAM数据集，为事件相机在机器人和SLAM研究中的算法评测提供标准化数据。
ML model optimization product to accelerate inference.
半监督 LiDAR 语义分割方法，通过激光混合策略利用少量标注数据训练 3D 点云分割模型，提升自动驾驶场景下的分割精度。
一个通用的扩散模型，用生成式方法统一处理深度估计、法线估计和分割等多种视觉感知任务，省去为每个任务单独建模的麻烦。
用自然语言对话就能定位和操作 NeRF 三维场景中的物体，把 ChatGPT 和 BLIP2 接进 NeRFStudio，省去手动标注的麻烦。
U-Time 是一个用全卷积网络做时间序列分割的模型，最初用于睡眠分期分析，也可迁移到其他时序分割任务。
Sudachi 日语分词器配套的系统词典，提供词条和词性标注数据，用于日文形态素分析和分词。
基于 GStreamer 和 TensorRT 的 GPU 加速实时视频与多传感器分析 SDK，可在边缘、本地和云端搭建多路视频 AI 推理流水线。
面向 Three.js 的高性能 3D Gaussian Splatting 渲染器，支持 WebGPU 和 WebGL2，可加载 PLY、SPZ 等格式并实现流式 LOD，方便在网页端流畅展示大规模 3DGS 场景。
用 Rust 和 WebGPU 实现的 3D Gaussian Splatting 渲染器，让浏览器端也能高效渲染三维高斯泼溅场景。
用 3D 高斯泼溅做 X 射线 CT 断层重建，修正辐射高斯表示，从稀疏视角投影还原高质量三维体数据。
MIT-Princeton 开源的 Amazon Picking Challenge 2016 视觉工具箱，用 RGB-D 卷积网络做物体分割和 6D 位姿估计，帮机器人完成抓取任务。
Rust 写的超快日文分词器，用逐点预测模型做形态素分割，适合需要低延迟、高吞吐的 NLP 流水线。
SPARF 是 CVPR 2023 的官方实现，用稀疏且带噪声的相机位姿训练神经辐射场，同时优化位姿，实现新视角合成。
在浏览器里用苹果 SHARP 模型把图片转成 3D 高斯泼溅，基于 ONNX 和 TypeScript 实现，无需本地环境即可在线体验。
面向空间组学的技术无关分析流水线，能处理 Xenium、Visium HD、MERSCOPE 等多种平台数据，扩展到百万级细胞规模。
用 Levenberg-Marquardt 优化器替换 ADAM，加速 3D Gaussian Splatting 的训练收敛，适合需要更快重建速度的 3D 场景。
为 Bevy 引擎提供高斯泼溅渲染管线插件，让 Rust 游戏和 3D 应用能直接加载并实时渲染 3D Gaussian Splatting 场景。
轻量级结构感知视觉 Mamba 模型，专门做建筑结构裂缝分割，在保持低计算量的同时提升裂缝边缘和细长结构的识别精度。
用 Python 自动检测图像中的色卡（ColorChecker）位置，为色彩校正和色彩空间分析提供准确的色块定位。
十秒内为 PyTorch 医学影像模型搭好完整实验流水线，覆盖分类、检测、分割等任务，省去重复搭建训练流程的麻烦。
把 NeRF 表示成输入点云的三角剖分，用光线追踪做三维重建，训练和渲染更快，适合从点云直接生成高质量新视角。