DL3DV-10K

Conjunto de dados de cenas reais em larga escala, para pesquisa em visão 3D com aprendizado profundo

Produto ComumOutrosConjunto de dadosVisão 3D

O DL3DV-10K é um conjunto de dados de cenas reais em larga escala contendo mais de 10.000 vídeos de alta qualidade. Cada vídeo possui anotações manuais de pontos-chave da cena e sua complexidade, além de fornecer pose da câmera, profundidade estimada por NeRF, nuvem de pontos e malhas 3D. Este conjunto de dados pode ser usado em pesquisas de visão computacional, como pesquisa de NeRF genérico, rastreamento consistente de cenas e modelos de linguagem visual.

Best AI Websites & Tools

DL3DV-10K

DL3DV-10K Situação do Tráfego Mais Recente

DL3DV-10K Tendência de Visitas

DL3DV-10K Distribuição Geográfica das Visitas

DL3DV-10K Fontes de Tráfego

DL3DV-10K Alternativas

DL3DV-10K — Conjunto de dados de cenas reais em larga escala, para pesquisa em visão 3D com aprendizado profundo

ZeroNVS — Geração panorâmica 360° em todos os cenários

CAT4D — Ferramenta de criação de cenas 4D, usando um modelo de difusão de vídeo multi-visão

Modelo TANGO — Tecnologia de recriação de vídeo de gestos co-articulatórios

Instancy — Sistema de Gestão de Aprendizagem Integrado

In3D — Gera rapidamente avatares 3D realistas de corpo inteiro usando apenas a câmera do seu celular.

Scale — Acelera o desenvolvimento de aplicativos de IA

Project Aria — Project Aria é um projeto da Meta para pesquisa em percepção de máquina e realidade aumentada em primeira pessoa.

Aya Vision 32B — Aya Vision 32B é um modelo de linguagem visual multilíngue, adequado para OCR, descrição de imagens, raciocínio visual e outras finalidades.

Agente de Busca Level-Navi — O Agente Level-Navi é uma estrutura pronta para uso, sem necessidade de treinamento, que utiliza modelos de linguagem grandes para compreensão profunda de consultas e busca precisa.

Signs — Plataforma que utiliza inteligência artificial para auxiliar no aprendizado e na contribuição para a Língua de Sinais Americana (ASL).

Phantom — Phantom é um modelo de geração de vídeo baseado em alinhamento multimodal que garante a consistência do assunto.

Pippo — Pippo é um modelo generativo que cria vídeos em alta resolução com múltiplas perspectivas a partir de apenas uma foto.

Dolphin R1 — Dolphin R1 é um conjunto de dados para treinamento de modelos de raciocínio, contendo 800.000 amostras.

SyncAnimation — SyncAnimation é uma estrutura técnica baseada em NeRF que gera em tempo real, e a partir de áudio, avatares falantes e movimentos da parte superior do corpo.

GameFactory — GameFactory é um modelo de mundo universal baseado em um modelo de difusão de vídeo pré-treinado, capaz de criar jogos em domínio aberto.

Nemotron-CC — Transforma o Common Crawl em um conjunto de dados de pré-treinamento de longo prazo refinado

AGIBOT WORLD — Conjunto de dados de aprendizado de robótica em larga escala, impulsionando o desenvolvimento de estratégias de robôs multifuncionais.

Modelo SCENIC — Modelo de navegação semântica e controle guiado por comandos com percepção de cena

GenEx — Gera mundos 3D de 360° exploráveis a partir de apenas uma imagem.

RapBank — Primeiro conjunto de dados de geração de música rap

RLVR-GSM-MATH-IF-Mixed-Constraints — Conjunto de dados de problemas matemáticos para validação de aprendizado por reforço

MAmmoTH-VL — Plataforma de raciocínio multimodais em larga escala e ajuste fino por instruções

SOLAMI — Estrutura de interação imersiva com personagens 3D autônomos

FineWeb2 — Conjunto de dados de pré-treinamento multilíngue

OLMo 2 1124 13B Mistura de Preferências — Conjunto de dados de mistura de preferências multilíngue em larga escala

dolmino-mix-1124 — Conjunto de dados de alta qualidade, usado na segunda etapa do treinamento do OLMo2.

Tülu 3 — Framework de pós-treinamento de modelos de linguagem avançados de código aberto

The Matrix — Tecnologia inovadora de simulação de mundo real em tempo real com controle de quadro a quadro.

GenXD — Estrutura avançada para gerar quaisquer cenas 3D e 4D.