视觉与 3D
共 370 个仓库 · 一年内有推送
把 SAM3 通过渐进式知识蒸馏压缩成轻量边缘模型，实现快速的可提示概念分割与跟踪，适合端侧部署。
Python 实现的多目标跟踪算法集合，集成 IoU Tracker 等多种跟踪器，配合 OpenCV 和 SSD-MobileNet 等检测模型，快速搭建视频目标跟踪流程。
包含一万个场景的大规模 3D 重建数据集，为神经渲染和新视角合成研究提供训练与评测数据。
无需实例或类别级 3D 模型，就能对未见过的物体做 6D 位姿跟踪，靠在线重建和特征匹配解决新物体操作中的定位问题。
一个不依赖传感器专门建模的鲁棒 LiDAR-惯性里程计，直接融合激光雷达与 IMU 数据估计位姿并建图，适合机器人 SLAM 场景。
汇总 CVPR、ICCV、ECCV 等顶会中 AIGC 相关论文与代码，覆盖扩散模型、GAN、3D 生成等方向，方便快速跟进生成式视觉研究进展。
用 RANSAC 从点云中拟合平面、球、圆柱、长方体、圆和直线等 3D 基元，适合 LiDAR 与三维重建场景做形状检测和分割。
跨平台开源 3D 雕刻软件，支持高密度网格、重拓扑、贴图绘制，内置图/文生 3D 与高斯泼溅，可导出游戏级 LOD 并直发 Unreal。
用生成模型提升多视角 3D 物体重建精度，从多张图片还原准确的三维形状与位姿，适合做图像到 3D 的研究与落地。
把手机拍摄的视频重建为可被 AI 查询的 3D 场景，内置 MCP 工具让 Claude、Cursor 等直接调用，并提供可自托管的 broker 与 VGGT-SLAM 库。
面向 AI 秋招的中英双语面试速查表，覆盖机器学习、大模型、扩散模型与智能体，可生成单文件 HTML 随时翻阅，另附学术主页生成器。
只用 ViT 编码器做图像分割的官方实现，省去解码器和额外适配模块，在实例、全景分割任务上兼顾精度与推理速度。
基于 Open3D 的 C++ 点云图优化 SLAM 系统，为机器人提供激光雷达建图与定位能力，可接入 ROS 使用。
基于 LIO-SAM 搭建的机器人重定位系统，能让机器人在已建好的点云地图上快速确定自身位姿，解决开机或丢失定位后的找回问题。
在浏览器里流畅查看 3D 高斯泼溅模型的高性能查看器，基于 WebGL 和 WebXR，支持 VR 浏览，适合把重建结果直接放到网页上展示。
收集整理文本生成 3D 与扩散生成 3D 方向的论文与资源清单，方便快速跟进文生 3D、图生 3D 和 NeRF 相关进展。
带空间标注的大规模视频数据集，为视频生成、3D/4D 重建和空间推理模型提供训练与评测数据。
命令行工具，用于在 3DGS、KSplat、SPZ、Splat 等十余种 3D 高斯泼溅模型格式间互转，并支持 GPU 加速的统计离群点与密度滤波。
面向 AR/VR 的视觉惯性 SLAM 工具箱与基准测试，提供可直接运行的 VIO/SLAM 实现和评测流程，方便对比算法效果。
面向计算机视觉的高性能图像增强库，支持分类、分割、检测等任务，可同步变换边界框和掩码，适合深度学习训练数据扩增。
一套统一的视觉 SLAM 评测框架，把主流 VSLAM 系统和公开数据集整合到同一套流程里，省去逐个配置环境、跑对比实验的麻烦。
从多视角立体视觉出发，前馈式快速重建可泛化的高斯泼溅表示，无需逐场景优化即可合成新视角。
实时 SLAM 系统，融合点、线特征、体素建图与 3D 无监督增量分割，适合需要边建图边分割的机器人或 AR 场景。
统一模型，从单目视频中同时重建动态人体与三维场景，输出带时间维度的4D结果，可用于人体姿态估计与场景理解。