首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

商汤提出手机端实时单目三维重建系统,实现逼真AR效果和交互

商汤研究院和浙江大学 CAD&CG 国家重点实验室合作研发了一个手机端实时单目三维重建系统 Mobile3DRecon。与现有的基于 RGBD 的在线三维重建或离线生成表面网格的系统不同,该系统结合前端位姿跟踪结果,允许用户使用单目摄像头在线重建场景表面网格。在深度估计方面,提出结合多视图半全局匹配算法和深度神经网络优化后处理过程鲁棒地估计场景深度。在表面网格生成过程,本文提出的在线网格生成算法可以实时增量地融合关键帧深度到稠密网格中,从而重建场景表面。通过定性和定量的实验验证,所研制的单目三维重建系统能够正确处理虚拟物体与真实场景之间的遮挡和碰撞,在手机端实现逼真的 AR 效果和交互。

03

芬兰科学家开发纤维素钠米纤维新用途,制愈合无疤伤口型“创可贴” | 黑科技

纳米纤维素尚未被批准用于医疗用途,这意味着在医疗应用之前需要几年时间。 据悉,芬兰 VTT 技术研究中心的研究人员正在用纤维素纳米纤维开发 3D 打印材料,以制造一种可以监测伤口情况的 3D 伤口护理产品供医院使用。 已经证明3D打印适用于制造复杂、定制和轻型结构的物体。目前,除了热塑性塑料,3D打印所需的材料还包括金属、陶瓷和食品等。 其中,3D打印中的生物材料选择范围仍然相当有限,因为生物材料的独特性质为打印过程提出了独特的挑战:它们的结构在打印过程中不能崩溃,并且制造的物体在干燥后必须保持足够坚固。不

00

汇总|基于3D点云的深度学习方法

三维数据通常可以用不同的格式表示,包括深度图像、点云、网格和体积网格。点云表示作为一种常用的表示格式,在三维空间中保留了原始的几何信息,不需要任何离散化。因此,它是许多场景理解相关应用(如自动驾驶和机器人)的首选表示。近年来,深度学习技术已成为计算机视觉、语音识别、自然语言处理、生物信息学等领域的研究热点,然而,三维点云的深度学习仍然面临着数据集规模小、维数高、非结构化等诸多挑战三维点云。在此基础上,本文对基于点云数据下的深度学习方法最新进展做了详解,内容包括三维形状分类、三维目标检测与跟踪、三维点云分割三大任务。

02

汇总|基于3D点云的深度学习方法

三维数据通常可以用不同的格式表示,包括深度图像、点云、网格和体积网格。点云表示作为一种常用的表示格式,在三维空间中保留了原始的几何信息,不需要任何离散化。因此,它是许多场景理解相关应用(如自动驾驶和机器人)的首选表示。近年来,深度学习技术已成为计算机视觉、语音识别、自然语言处理、生物信息学等领域的研究热点,然而,三维点云的深度学习仍然面临着数据集规模小、维数高、非结构化等诸多挑战三维点云。在此基础上,本文对基于点云数据下的深度学习方法最新进展做了详解,内容包括三维形状分类、三维目标检测与跟踪、三维点云分割三大任务。

02

2D-Driven 3D Object Detection in RGB-D Images

在本文中,我们提出了一种在RGB-D场景中,在目标周围放置三维包围框的技术。我们的方法充分利用二维信息,利用最先进的二维目标检测技术,快速减少三维搜索空间。然后,我们使用3D信息来定位、放置和对目标周围的包围框进行评分。我们使用之前利用常规信息的技术,独立地估计每个目标的方向。三维物体的位置和大小是用多层感知器(MLP)学习的。在最后一个步骤中,我们根据场景中的目标类关系改进我们的检测。最先进的检测方法相比,操作几乎完全在稀疏的3D域,在著名的SUN RGB-D实验数据集表明,我们建议的方法要快得多(4.1 s /图像)RGB-D图像中的3目标检测和执行更好的地图(3)高于慢是4.7倍的最先进的方法和相对慢两个数量级的方法。这一工作提示我们应该进一步研究3D中2D驱动的目标检测,特别是在3D输入稀疏的情况下。

03

惊!八宝山殡仪馆用3D打印遗体,逝者面部10小时内完成

假如逝者遗体面部不幸完全损毁,该如何快速精准修复?今年1月,八宝山殡仪馆成立本市首个3D打印遗体修复工作室,逝者家属只需提供一张逝者正面照,即可用3D打印技术直接还原逝者生前的模样。据民政部101研究所工作人员介绍,3D打印技术是快速成形技术的一种,是将计算机设计出的三维数字模型分解成若干平面切片,由3D打印机把粉末状、液状或丝状塑料、砂等可粘合材料按照切片图形逐层叠加,最终堆积成完整物体的技术。 该技术综合了数字建模技术、材料科学与化学等诸多方面的前沿技术,具备精确、个性化、高效等特点。而八宝山殡仪馆3D

09
领券