视觉与 3D
共 370 个仓库 · 一年内有推送
用深度学习和传统手工特征做多视图图像匹配，为 COLMAP 等 SfM 软件提供高质量匹配结果，支持高分辨率图像和带旋转的图像，提供命令行和图形界面。
RectLabel 是一款离线图像标注工具，用于给目标检测和分割任务画框、打标签、生成掩码，支持 Faster R-CNN、Mask R-CNN、Detectron 等格式。
在 Blender 里轻量查看高斯泼溅数据、设计相机运动轨迹，并把配置导出给外部高斯渲染器使用。
从单张图片生成多视角一致图像，进而重建完整三维场景，解决单视图场景重建中视角覆盖不足的问题。
面向大规模场景的可扩展测试时训练 3D 重建方案，通过在线自适应提升深度估计与重建精度，适合处理超长序列和大范围场景。
把 Webots 机器人仿真器和 ROS 2 打通的官方软件包，提供示例、定位、导航、SLAM 和运动规划接口，方便在仿真里快速搭建和调试机器人程序。
开箱即用的 LiDAR SLAM 系统，用 Python 实现，能直接完成激光雷达建图与定位，省去繁琐配置。
从单张或多视角图片重建三维体素模型的官方实现，基于 ICCV 2019 论文，用上下文感知融合提升重建精度。
基于 ImGui 和 OpenGL 的 3D 可视化库，方便快速搭建点云、SLAM 和定位算法的原型调试界面。
开放词表目标计数模型，基于视觉语言基础模型，能按任意文本描述统计图像中物体数量，无需针对新类别重新训练。
MILo 是 SIGGRAPH Asia 2025 的官方实现，把网格优化嵌进 3D 高斯泼溅流程，从多视角图像重建出细节丰富又轻量的表面网格。
用 C++ 实现的快速 LiDAR SLAM，从激光雷达点云做里程计与建图，适合机器人、自动驾驶的实时定位需求。
基于曼哈顿世界假设的神经隐式三维重建方法，利用场景中互相垂直的平面结构约束，从多视角图像重建室内房间的稠密几何。
ARCTIC 数据集官方工具链，提供下载、预处理、可视化和模型训练脚本，用于手物交互与手部追踪研究。
把 Segment Anything 2 当作强编码器接上 U-Net 解码器，做自然图像和医学图像分割，覆盖伪装目标、息肉、海洋动物等场景。
用代码和 AI 智能体从 OpenStreetMap 数据程序化生成旧金山等城市的 3D 数字孪生场景，在浏览器里通过 Three.js 和 WebGL 实时渲染。
基于 GTSAM 的端到端运动恢复结构（SfM）框架，从多视角图像中重建三维场景与相机位姿。
基于 Three.js 的 3DGS 高斯泼溅查看器，支持标注、测量和预设 LOD 渲染，方便在网页端浏览和操作三维重建场景。
基于 Vulkan 的 3D 高斯泼溅高级查看器，集成光栅化、光线追踪与网格着色器等多种渲染方式，用于实时可视化三维高斯场景。
Ultralytics 官方 Flutter 插件，让 Android 和 iOS 应用直接跑 YOLO 实时推理，覆盖检测、分割、分类、姿态与深度估计等视觉任务。
CVPR 2022 发布的大规模 3D 头部对齐数据集，提供密集、准确、多样的标注，用于从单张图像重建 3D 人脸和头部。
整理基于辐射场（NeRF、3DGS）的 3D 编辑论文清单，方便研究者快速定位并跟进这一方向的进展。
基于 SAM2 的视觉目标跟踪记忆模块，通过抑制干扰物来提升跟踪稳定性，适用于复杂场景下的单目标跟踪。
仅用一段 MP4 监控录像和对应的谷歌地图位置，就能重建出数字孪生风格的三维交通场景，把画面里的车辆投影到真实地理坐标上。