视觉与 3D
共 464 个仓库
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。
用稀疏视角图像在几秒内重建大规模三维场景，把体素与高斯泼溅结合成 VoxSplats 表示，适合快速生成可渲染的城市场景。
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。
用手机拍几秒视频就能实时重建可驱动的三维头部数字人，基于 instant-ngp 加速神经体积渲染，秒级完成建模。
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。
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。
整理基于 ROS 的移动机器人学习资源清单，覆盖 SLAM、里程计、导航与操作等方向，方便快速找到入门和进阶资料。
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。
把 Stereolabs ZED 双目相机接入 ROS 的官方封装包，提供图像、深度、位姿和点云等话题，方便在机器人系统里做立体视觉与 SLAM 开发。
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。
CVPR 2023 发布的大规模真实世界多视角图像数据集，覆盖 238 类物体，可直接用于训练 NeRF、3D 高斯泼溅和三维重建模型。
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。