注册会员 | 设为首页 | 加入收藏夹
您好，欢迎光临本网站！[请登录] ！[注册会员]！  

搜索资源列表

  1. 基于图像的3D云重建

  2. 通过马尔科夫链模型，可以从2D卫星云图中推测出云场的3D情形，虽然就有较为明显的人工拉升痕迹，但至少有了3D云了……：） （Matlab程序，运行较慢，请耐心等待）

  3. 所属分类：其它

    • 发布日期：2011-07-14
    • 文件大小：34816
    • 提供者：great_zj

  1. autolisp与线相关的自定义函数大全

  2. 函数名称 描述 PL_3d？ 如果多段线的检查是3D或不 PL_AddPoint 加入一个新的多段线点之前指定的顶点数量VxNum PL_Arced？ 如果检查多段线有至少一个弧段 PL_ArcPl2LinearPl 重建更换指定的距离直线段只有所有弧段的多段线列表。 PL_BoundPoly 创建直线，多段线和/或圆周围的边界多边形 PL_BreakX 在这一点上打断多段线 PL_DelPoint 从多段线删除点 PL_DividedPoints 返回除以给定的多段线（无论是在“实体 ”的形

  3. 所属分类：其它

    • 发布日期：2017-04-26
    • 文件大小：69632
    • 提供者：soly2006

  1. 3D激光扫描仪设计及数据处理

  2. 利用2D激光雷达配合云台装置，设计了一种3D激光扫描仪作为三维数据获取装置。根据扫描仪的硬件特性和传输特性，进行PC端的扫描控制系统以及数据处理系统的设计。扫描控制系统实现了对扫描范围以及扫描精度的控制和设定，数据处理系统针对采集到的原始数据，经过坐标的映射将相对坐标转换到全局坐标，并进行点云滤波，利用最小二乘进行曲面光滑，最终进行三角网格重建。经过多次实验结果证明，该系统可以对一般几何复杂度的三维场景进行较好的重建。

  3. 所属分类：其它

    • 发布日期：2020-10-15
    • 文件大小：532480
    • 提供者：weixin_38677808

  1. 【三维深度学习】多视角场景点云重建模型PointMVS

  2. PointMVS区别于先前利用cost volum来进行多视角处理的方法，直接基于点云的方式对场景进行处理。从过由粗到细的迭代优化过程，充分结合了几何先验信息和2D纹理信息来来增强点云特征，并利用图网络的来对深度的残差进行有效估计。这种由粗到精的迭代结构获得非常好的重建精度。 1.PointMVS 基于深度学习的现有三维重建方法大多都是基于3D CNN来进行深度图或者体素的预测。但这种方法对于内存的消耗达到了分辨率的三次方量级，使得生成结果的分辨率受到了很大的限制。而点云是一种十分高效高精度的三

  3. 所属分类：其它

    • 发布日期：2021-01-06
    • 文件大小：1048576
    • 提供者：weixin_38685455

  1. learn_cryoem_math-源码

  2. 目标 学习单粒子电子低温显微镜（cryoEM）的数学 为什么？ 我们可以看到带有电子的活泼原子。电子显微镜使用数十万伏特的电压将单个电子加速到光速的四分之三。在如此高的速度下，电子具有皮秒级的波长，可以分辨生物分子中原子之间的距离。电子冷冻显微镜（cryoEM）荣获2017年诺贝尔化学奖，制药公司已经对该技术进行了投资，用于基于结构的药物设计等应用。 生化样品制备纯化的生物分子后，在电子显微镜上收集二维图像。单个生物分子的图像非常嘈杂，计算机算法平均使用数万至数百万个2D图像，以重建表示库仑密度

  3. 所属分类：其它

    • 发布日期：2021-03-20
    • 文件大小：17825792
    • 提供者：weixin_42137723

  1. dusty-gan-源码

  2. 学习为LiDAR扫描合成丢点 学习为LiDAR扫描合成丢点中岛和人仓田亮 概述：这项研究的目的是建立3D LiDAR数据（Velodyne风格的辐射点云）的生成模型。 LiDAR数据可以作为双射2D映射处理，但在实践中容易受到分散的二进制噪声的影响。 二进制噪声是由于无法从被测物体反射激光而引起的。 为了解决这个问题，我们提出了一种噪声感知GAN框架来合成LiDAR扫描数据。 我们的生成器旨在生成反深度图，并同时将点下降模拟为可乘的伯努利噪声。 为了对离散噪声进行采样，我们采用了具有直通Gu

  3. 所属分类：其它

    • 发布日期：2021-03-17
    • 文件大小：13631488
    • 提供者：weixin_42118011

  1. PeeledHuman:去皮的人-源码

  2. PeeledHuman：用于带纹理的3D人体重建的鲁棒形状表示 2020年3D视觉国际会议 ， ， ， 1海得拉巴IIIT视觉信息技术中心 抽象的我们介绍了PeeledHuman，这是一种对自我闭塞具有鲁棒性的人体新颖形状表示。 PeeledHuman将人体编码为一组2D的Peeled Depth和RGB贴图，这是通过对3D人体模型执行光线追踪并将每条光线扩展到其第一个交叉点而获得的。 与其他表示相比，这种表述使我们能够有效地处理自我遮挡。 给定单眼RGB图像，我们将使用我们新颖

  3. 所属分类：其它

    • 发布日期：2021-03-06
    • 文件大小：47104
    • 提供者：weixin_42143161

  1. 通过最小化广义重投影误差实现多视图立体和轮廓融合

  2. 从一组校准的2D多视图图像中准确地重建3D几何形状是一种积极而有效的方法计算机视觉中具有挑战性的任务。 现有的多视图立体声方法通常在恢复方面表现不佳深凹且突出的结构，并且会遇到一些常见问题，例如收敛速度慢，对初始条件的敏感性以及对内存的高要求。 为了解决这些问题，我们建议广义重投影误差最小化的两阶段优化方法（TwGREM），其中提出了一种广义的重投影误差框架，以将立体和轮廓提示整合到一个统一的能量中功能。 为了使函数最小化，我们首先在3D体积网格上引入凸松弛可以使用变量拆分和Chambolle投

  3. 所属分类：其它

    • 发布日期：2021-03-02
    • 文件大小：1048576
    • 提供者：weixin_38551046

  1. 体积学习层析成像重建与词典学习

  2. 尽管X射线锥形束CT（CBCT）Swift发展，但是图像噪声仍然是低剂量CBCT的主要问题。 在小剂量CT重建的情况下，采用2D字典学习（DL）的迭代重建算法已针对精细结构进行了验证，并抑制了噪声。 但是，缺少用于体积CBCT的增强版本。 此外，已经认识到，稀疏促进正则器的表示效率对于图像处理任务的成功至关重要。 在这项工作中，将基于3D词典的稀疏约束合并到统计迭代重建中，从而定义3D-DL重建框架。 从统计的角度来看，分析与2D / 3D词典关联的表示系数的分布，以比较它们在表示体积图像中的效

  3. 所属分类：其它

    • 发布日期：2021-02-25
    • 文件大小：2097152
    • 提供者：weixin_38682279

  1. VirtualReality_2Dto3D：2D平面图到3D重建-源码

  2. VirtualReality_2Dto3D

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：1048576
    • 提供者：weixin_42119281

  1. PlaneNet：PlaneNet：从单个RGB图像进行分段平面重建-源码

  2. PlaneNet：从单个RGB图像进行分段平面重建 陈柳，杨集美，Duygu Ceylan，Ersin Yumer和古川靖 介绍 本文提出了用于从单个RGB图像进行分段平面重建的第一个端到端神经体系结构。 拟议的网络PlaneNet可学习直接推断一组平面参数和相应的平面分割蒙版。 有关更多详细信息，请参阅我们的CVPR 2018或访问我们的。 更新 如我们最近的arXiv所述，我们开发了一种更好的技术PlaneRCNN用于分段平面检测。 不幸的是，我们还不能发布代码和数据。 我们添加了脚本，用

  3. 所属分类：其它

    • 发布日期：2021-02-06
    • 文件大小：27262976
    • 提供者：weixin_42180863

  1. realtime-2D到3D人脸：使用深度学习从2D图像重建实时3D人脸-源码

  2. 实时2D到3D面Kong 介绍 在该项目中，已经使用深度学习使用2D图像建立了能够重建实时3D人脸的基础架构。 给定视频流，我们将使用学习的模型处理每个帧，并使用WebGL Studio平台可视化3D人脸的重建。 该项目的主要目标之一是获得一种中间表示形式，该中间表示形式可以有效地发送面部数据以用于视频会议。 为了获得该表示，已经创建了表示希望考虑的所有可能的3D配置的PCA模型。 为此，已使用AFLW2000-3D数据集并将其与3DDFA库一起处理以获得相应的3D面部点云。 创建模型后，将使

  3. 所属分类：其它

    • 发布日期：2021-02-05
    • 文件大小：1048576
    • 提供者：weixin_42099302

  1. extreme_3d_faces：极端3D人脸重建：观察过去的遮挡-源码

  2. 极端3D面部重建：透视遮挡 请注意，代码的主要部分已经发布，尽管我们仍在测试以解决可能的故障。 谢谢。 Python和C ++使用用于从单个图像逼真的三维人脸建模代码发表在2018 CVPR [1]（按照链接到我们的PDF具有许多，许多重建的结果。） 该页面包含端到端演示代码，这些代码直接从不受约束的2D面部图像中估算出具有逼真的细节的3D面部形状。 对于给定的输入图像，它将生成3D面部形状的标准层文件。 它伴随着我们的论文[1]和[2]中描述的深度网络。 但是，遮挡恢复代码将在以后的版本

  3. 所属分类：其它

    • 发布日期：2021-01-28
    • 文件大小：27262976
    • 提供者：weixin_38694674