#scene-understanding 仓库
探索 13 个标记为 #scene-understanding 的活跃开源 GitHub 仓库,它们累计获得 20,151 个 Star(平均每个项目 1,550 个)。该主题的领先项目是 manycore-research/SpatialLM,拥有 5,165 个 Star。
共 13 个仓库
pySLAM是一个混合了Python/C++的视觉SLAM管线,支持单目、立体和RGB-D相机。它提供了一套广泛的现代本地和全局特征提取器、多种回环闭合策略、一个体积重建模块、集成的深度预测模型,以及用于增强场景理解的语义分割功能。
PyTorch 上实时时语义分割的轻量级模型(包括 SQNet、LinkNet、SegNet、UNet、ENet、ERFNet、EDANet、ESPNet、ESPNetv2、LEDNet、ESNet、FSSNet、CGNet、DABNet、Fast-SCNN、ContextNet、FPENet 等)
Meta Reality Labs 的 **《MV-DUSt3R+ 单阶段稀疏视图场景重建,2秒内完成》** 开源实现。项目页面 https://mv-dust3rp.github.io/
常见问题解答
GitHub 上最受欢迎的 #scene-understanding 仓库是什么?
GitHub 上排名第一的开源 #scene-understanding 项目是 manycore-research/SpatialLM,拥有 5,165 个 Star。[NeurIPS 2025] SpatialLM: 训练用于结构化室内建模的大型语言模型
#scene-understanding 仓库中最常使用的编程语言有哪些?
在 GitHub 上排名靠前的 #scene-understanding 项目中,最常见的编程语言是 Python, Jupyter Notebook, JavaScript, C#。
#scene-understanding 仓库的排名是如何计算的?
我们跟踪了 13 个标记为 #scene-understanding 且拥有 500+ 个 Star 的活跃开源仓库,共计获得 20,151 个 Star,平均每个仓库拥有 1,550 个 Star。排名每日根据 GitHub API 更新。