#3d-reconstruction Repository
Scopri 203 repository GitHub open source attivi contrassegnati con #3d-reconstruction, che raccolgono un totale di 365,694 stelle (con una media di 1,801 stelle per progetto). Il progetto leader di questo argomento è NVlabs/instant-ngp, con 17,606 stelle.
203 repository in totale
SLAM in Tempo Reale per Telecamere Monoculari, Stereo e RGB-D, con Capacità di Rilevamento Loop e Relocalizzazione
Apri la libreria di Geometria Multi-Vista. Base per la visione artificiale 3D e Structure from Motion.
Un'implementazione PyTorch di NeRF (Neural Radiance Fields) che riproduce i risultati.
Implementazione ufficiale di "Neuralangelo: High-Fidelity Neural Surface Reconstruction" (CVPR 2023)
libreria open source per la ricostruzione da struttura dal movimento e stereo multivista
Un pipeline procedurale di Blender per la generazione di immagini di addestramento fotorealistiche
Il repository fornisce il codice per eseguire l'inferenza con il SAM 3D Body Model (3DB), i link per scaricare i checkpoint del modello addestrato e i dataset, e notebook di esempio che mostrano come utilizzare il modello.
pySLAM è una pipeline SLAM Visivo ibrida Python/C++ che supporta telecamere monoculari, stereo e RGB-D. Fornisce un vasto insieme di moderni estrattori di caratteristiche locali e globali, molteplici strategie di chiusura del loop, un modulo di ricostruzione volumetrica, modelli integrati di previsione della profondità e capacità di segmentazione semantica per una migliore comprensione della scena.
[CVPR'25 Orale] MoGe: Sblocco della stima accurata della geometria monoculare per immagini open-domain con supervisione ottimale dell'addestramento
Trainer di Gaussian Splatting 3D multipiattaforma: dal video agli splat fino alla mesh, con Vulkan o CUDA.
[NeurIPS 2025] PartCrafter: Generazione strutturata di mesh 3D tramite trasformatori di diffusione latente composizionali
Un robusto pacchetto di stima dello stato e mappatura accoppiato strettamente LiDAR-inerziale-visivo, in tempo reale e a colori RGB
Objectron è un dataset di clip video brevi e centrate sugli oggetti. Inoltre, i video contengono anche metadati di sessione AR, inclusi pose della fotocamera, nuvole di punti sparse e piani. In ogni video, la fotocamera si muove intorno e sopra l'oggetto e lo cattura da diverse viste. Ogni oggetto è annotato con una bounding box 3D. La bounding box 3D descrive la posizione, l'orientamento e le dimensioni dell'oggetto. Il dataset contiene circa 15K clip video annotate e 4M immagini annotate nelle seguenti categorie.
Il repository per "Metric3D: Towards Zero-shot Metric 3D Prediction from A Single Image" e "Metric3Dv2: A Versatile Monocular Geometric Foundation Model..."
Uno scanner LiDAR a 360° open source e a basso costo, e un sistema fai-da-te per la ricostruzione 3D panoramica.
🔥PCL (Point Cloud Library) Note di apprendimento della libreria di nuvole di punti
SF3D: Ricostruzione mesh 3D stabile e veloce con UV-unwrapping e disentanglement dell'illuminazione
TripoSG: Sintesi di forme 3D ad alta fedeltà utilizzando modelli di flusso rettificato su larga scala
Un Odometria LiDAR-Inerziale-Visiva Sparse-Diretta Veloce e Strettamente Accoppiata (LIVO).
Domande frequenti
Qual è il repository #3d-reconstruction più popolare su GitHub?
Il progetto open source #3d-reconstruction più alto in classifica su GitHub è NVlabs/instant-ngp, con 17,606 stelle. Primitive neurali grafiche istantanee: NeRF velocissimi e altro ancora
Quali linguaggi di programmazione sono più utilizzati nei repository #3d-reconstruction?
Tra i progetti #3d-reconstruction più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, C++, Jupyter Notebook, Cuda.
Come viene calcolata la classifica dei repository #3d-reconstruction?
Monitoriamo 203 repository open source attivi contrassegnati con #3d-reconstruction (500+ stelle), per un totale di 365,694 stelle e una media di 1,801 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.