#scene-understanding Dépôts
Découvrez 13 dépôts GitHub open source actifs associés à #scene-understanding, cumulant 20,151 étoiles au total (soit une moyenne de 1,550 étoiles par projet). Le projet en tête de ce thème est manycore-research/SpatialLM, avec 5,165 étoiles.
13 dépôts au total
[NeurIPS 2025] SpatialLM: Training Large Language Models for Structured Indoor Modeling
pySLAM est un pipeline SLAM Visuel hybride Python/C++ prenant en charge les caméras monoculaires, stéréoscopiques et RGB-D. Il offre un large éventail d'extracteurs de caractéristiques locales et globales modernes, de multiples stratégies de fermeture de boucle, un module de reconstruction volumétrique, des modèles intégrés de prédiction de profondeur et des capacités de segmentation sémantique pour une meilleure compréhension de la scène.
Ceci est une liste organisée de recherches sur "l'IA incarnée ou les robots dotés de grands modèles linguistiques". Suivez ce dépôt pour les dernières mises à jour ! 🔥
Un framework de rendu par projection gaussienne 3D avec divers algorithmes dérivés et une visionneuse web interactive
Modèles légers pour la segmentation sémantique en temps réel sur PyTorch (incluant SQNet, LinkNet, SegNet, UNet, ENet, ERFNet, EDANet, ESPNet, ESPNetv2, LEDNet, ESNet, FSSNet, CGNet, DABNet, Fast-SCNN, ContextNet, FPENet, etc.)
Implémentation officielle PyTorch de FB-BEV & FB-OCC - Transformation de vue avant-arrière pour la perception de la conduite autonome centrée sur la vision
[ECCV'20] Structured3D: Un grand ensemble de données photoréaliste pour la modélisation 3D structurée
Implémentation open source de **MV-DUSt3R+ Reconstruction de scène mono-étape à partir de vues éparses en 2 secondes** de Meta Reality Labs. Page du projet https://mv-dust3rp.github.io/
Foire aux questions
Quel est le dépôt #scene-understanding le plus populaire sur GitHub ?
Le projet #scene-understanding open source le mieux classé sur GitHub est manycore-research/SpatialLM, avec 5,165 étoiles. [NeurIPS 2025] SpatialLM: Training Large Language Models for Structured Indoor Modeling
Quels langages de programmation sont les plus utilisés dans les dépôts #scene-understanding ?
Parmi les projets #scene-understanding les mieux classés sur GitHub, les langages de programmation les plus courants sont Python, Jupyter Notebook, JavaScript, C#.
Comment le classement des dépôts #scene-understanding est-il calculé ?
Nous suivons 13 dépôts open source actifs associés à #scene-understanding (500+ étoiles), totalisant 20,151 étoiles, avec une moyenne de 1,550 étoiles par dépôt. Les classements sont mis à jour quotidiennement à partir de l’API GitHub.