#scene-understanding Repositorios
Descubre 13 repositorios activos de código abierto de GitHub etiquetados con #scene-understanding, que acumulan 20,151 estrellas en total (una media de 1,550 estrellas por proyecto). El líder de este tema es manycore-research/SpatialLM, con 5,165 estrellas.
13 repositorios en total
[NeurIPS 2025] SpatialLM: Training Large Language Models for Structured Indoor Modeling
pySLAM es una tubería híbrida Python/C++ de SLAM Visual que admite cámaras monoculares, estéreo y RGB-D. Proporciona un amplio conjunto de modernos extractores de características locales y globales, múltiples estrategias de cierre de bucle, un módulo de reconstrucción volumétrica, modelos integrados de predicción de profundidad y capacidades de segmentación semántica para una comprensión mejorada de la escena.
Esta es una lista curada de investigaciones sobre "IA encarnada o robots con grandes modelos de lenguaje". ¡Sigue este repositorio para las últimas actualizaciones! 🔥
Un framework de subdivisión gaussiana 3D con varios algoritmos derivados y un visor web interactivo
Modelos ligeros para segmentación semántica en tiempo real en PyTorch (incluyen SQNet, LinkNet, SegNet, UNet, ENet, ERFNet, EDANet, ESPNet, ESPNetv2, LEDNet, ESNet, FSSNet, CGNet, DABNet, Fast-SCNN, ContextNet, FPENet, etc.)
Implementación oficial de PyTorch de FB-BEV & FB-OCC - Transformación de vista hacia adelante y hacia atrás para la percepción de conducción autónoma centrada en la visión
[ECCV'20] Structured3D: Un gran conjunto de datos fotorrealista para modelado 3D estructurado
Implementación de código abierto de **MV-DUSt3R+ Reconstrucción de escena de una sola etapa a partir de vistas dispersas en 2 segundos** de Meta Reality Labs. Página del proyecto https://mv-dust3rp.github.io/
Preguntas frecuentes
¿Cuál es el repositorio de #scene-understanding más popular en GitHub?
El proyecto de código abierto de #scene-understanding mejor posicionado en GitHub es manycore-research/SpatialLM, con 5,165 estrellas. [NeurIPS 2025] SpatialLM: Training Large Language Models for Structured Indoor Modeling
¿Qué lenguajes de programación se utilizan más en los repositorios de #scene-understanding?
Entre los proyectos de #scene-understanding mejor posicionados en GitHub, los lenguajes de programación más comunes son Python, Jupyter Notebook, JavaScript, C#.
¿Cómo se calcula la clasificación de los repositorios de #scene-understanding?
Seguimos 13 repositorios activos de código abierto etiquetados con #scene-understanding (500+ estrellas), que suman un total de 20,151 estrellas, con una media de 1,550 estrellas por repositorio. Las clasificaciones se actualizan diariamente a partir de la API de GitHub.