视觉与 3D
共 370 个仓库 · 一年内有推送
每天自动汇总 arXiv 上 VLN、VLA、世界模型、SLAM、高斯泼溅与非线性优化等具身智能方向的最新论文，方便快速跟进前沿进展。
收集伪装目标检测（COD）相关论文、数据集和代码的资源清单，方便研究者快速找到隐蔽场景下目标检测与分割的资料。
从单目视频里同时重建关节手和物体的三维姿态与形状，无需预扫描物体模板或手物交互训练数据，适合做手物交互建模与AR/VR研究。
MapEval 是一个统一的 SLAM 建图评估框架，用点云配准和 Wasserstein 距离等指标，稳健高效地给激光点云地图打分，方便做 SLAM 基准对比。
用 Rust 重写的日语形态素分析器，也是新一代 SudachiPy 的底层实现，提供分词和词性标注，比原版更快、更省内存。
FaceLit 是 CVPR 2023 的官方实现，用 GAN 和 NeRF 生成可重打光的三维人脸，让生成的人脸能按任意光照条件渲染。
低成本手持式激光雷达-惯性-视觉融合 3D 传感器，为机器人和具身智能提供实时建图与三维重建能力。
基于点、线、面特征的稀疏视觉 SLAM 系统，支持单目、RGB-D 和双目相机，在保持建图与定位精度的同时提升效率。
SuperVINS 是面向弱光、低纹理等恶劣成像条件的实时视觉惯性 SLAM 框架，把深度学习特征点融入传统 VINS 流程，提升跟踪鲁棒性。
面向无人机集群的去中心化激光雷达惯性里程计，让多机在无中心节点的情况下高效完成协同定位与建图。
把一句文字提示变成可编辑的参数化 3D 程序，而不是死模型，方便后续改尺寸、换材质和加关节，适合 CAD 与机器人场景。
浏览器里就能用的媒体编辑器，支持 3D 模型、高斯泼溅、Lottie 动画和时间线合成，给创意工具提供可被智能体调用的底层基础。
基于 PyQt5 的图形界面工具，用 YOLO 系列模型做目标检测、跟踪、实例分割和人体姿态估计，支持图片、视频和摄像头输入。
低成本地面机器人 SLAM 系统，融合多传感器，在弱纹理、剧烈运动等极端场景下仍能稳定定位建图。
Patchwork++ 的 ROS/ROS2 封装，用于激光雷达点云的快速地面分割与地面点剔除，方便直接接入机器人感知流程。
一套用 C++ 上手和实验 SLAM 的工具集，涵盖特征匹配、因子图优化、回环检测与三维可视化，方便快速搭建和调试视觉 SLAM 原型。
面向嵌入式设备的开源 AI 模型训练与部署工具，支持在 ESP32、Jetson、树莓派等硬件上完成图像分类、目标检测等任务的训练与推理。
跨平台计算机视觉标注工具，集成 Grounding DINO 与 SAM 实现自动预标注，支持目标检测和旋转框标注，大幅减少手工画框工作量。
基于 ROS 2 的紧耦合激光雷达惯性 SLAM 包，融合 NDT/GICP 点云配准与 IMU 数据，用于机器人在复杂环境中的实时定位与建图。
QGIS 插件，用 Segment Anything Model 在地理栅格影像上快速分割和勾绘地貌，省去手工描边的麻烦。
把 SAM、MobileSAM、EfficientSAM、SAM 2/2.1 和 SAM 3 导出成 ONNX 模型，方便在任意平台跑可移植的图像分割，不用绑死原始框架。
一个 4B 参数的视觉定位基础模型，把检测、指代、指向、OCR、GUI 和版面定位统一到一个模型里，在 34 个基准上达到 SOTA，并提升机器人泛化和数据效率。
基于 Viterbi 算法的日语分词器，用 Rust 实现，适合需要高性能形态素分析的 NLP 场景。
重构版高斯泼溅训练代码库，50 秒即可完成 3DGS 训练，适合快速迭代三维重建实验。