#3d-segmentation Repository
Scopri 10 repository GitHub open source attivi contrassegnati con #3d-segmentation, che raccolgono un totale di 14,140 stelle (con una media di 1,414 stelle per progetto). Il progetto leader di questo argomento è Beckschen/TransUNet, con 3,250 stelle.
10 repository in totale
Questo repository include il progetto ufficiale di TransUNet, presentato nel nostro articolo: TransUNet: Transformers Make Strong Encoders for Medical Image Segmentation.
🔥PCL (Point Cloud Library) Note di apprendimento della libreria di nuvole di punti
[ECCV'2024] Gaussian Grouping per la ricostruzione, segmentazione e modifica di Anything in open-world.
Questo è un pacchetto completo dei recenti metodi di deep learning per nuvole di punti 3D in pytorch (con modelli pre-addestrati).
[Premio per giovani scienziati MICCAI 2019] [Premio per il miglior articolo MedIA] Models Genesis: pre-addestramento autosupervisionato per immagini mediche 3D. Apprende rappresentazioni trasferibili da volumi CT e MRI privi di annotazioni, quindi viene sottoposto a fine-tuning per le attività a valle di segmentazione e classificazione. Pesi Keras e PyTorch inclusi.
Domande frequenti
Qual è il repository #3d-segmentation più popolare su GitHub?
Il progetto open source #3d-segmentation più alto in classifica su GitHub è Beckschen/TransUNet, con 3,250 stelle. Questo repository include il progetto ufficiale di TransUNet, presentato nel nostro articolo: TransUNet: Transformers Make Strong Encoders for Medical Image Segmentation.
Quali linguaggi di programmazione sono più utilizzati nei repository #3d-segmentation?
Tra i progetti #3d-segmentation più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, C++, JavaScript.
Come viene calcolata la classifica dei repository #3d-segmentation?
Monitoriamo 10 repository open source attivi contrassegnati con #3d-segmentation (500+ stelle), per un totale di 14,140 stelle e una media di 1,414 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.