视觉与 3D
共 370 个仓库 · 一年内有推送
vMAP 是 CVPR 2023 提出的神经场 SLAM 系统，用向量化对象建图实现实时 RGB-D 稠密重建，无需逐场景训练即可完成三维重建。
用 Meta 的 Segment-Anything 模型对 LiDAR 点云做分割的 Python 包，省去自己搭建分割流程的麻烦。
整理图像匹配与位姿估计方向的论文和资源清单，覆盖透视图像和全景图，方便做三维重建、SLAM 的人快速找文献。
用洪水填充网络在三维体数据中做实例分割，主要面向连接组学中神经元等结构的自动追踪与分割。
汇总 3D AIGC 方向的论文与开源资源，覆盖 3D 生成、NeRF、高斯泼溅等，方便快速查找和跟进相关研究。
基于 3D LiDAR 扫描的图表示，把地面和地面上可通行区域与障碍物分割开，用于机器人导航中的可通行性判断。
面向动态环境的视觉 SLAM 框架，能同时估计相机里程计、静态地图以及场景中运动物体的位姿与结构，解决传统 SLAM 在动态场景下定位漂移的问题。
一站式动漫视频增强工具，一次处理即可完成 AI 超分、RIFE 补帧和画质修复，支持命令行、独立程序和 After Effects 插件。
用生成式高斯泼溅从零生成无边界的三维城市场景，解决大范围城市场景建模成本高、难以无限延展的问题。
多智能体 SLAM 系统，用高斯泼溅实现多机器人协同建图并保持全局一致，适合大规模场景的三维重建研究。
把 ZED 立体相机接入 ROS 2 的官方封装包，提供深度、点云、视觉里程计、SLAM 和人体骨骼跟踪等话题与节点，方便机器人项目直接调用。
基于动态高斯泼溅的高保真导航仿真器，为具身导航和视觉语言导航研究提供逼真的三维场景与动态人体渲染。
为 X-AnyLabeling 标注工具提供轻量可扩展的模型推理服务，把检测、分割、分类、姿态等视觉模型接成后端，方便标注时自动预标注。
基于贝叶斯推断的多目标跟踪库，用卡尔曼滤波和全局优化把细胞等目标的检测结果串成连续轨迹，适合处理拥挤、遮挡场景下的追踪。
把视觉语言模型的高层推理和细粒度感知接起来，让 VLM 能直接做开放词表目标检测，输出精确的框和掩码。
一种前馈式 3D 高斯泼溅新方案，用体素对齐预测替代逐像素回归，提升新视角合成的重建质量与效率。
从稀疏视角前馈式合成 360 度场景，结合高斯泼溅与视频扩散模型，无需逐场景优化即可生成可自由漫游的新视角画面。
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。
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。
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。