Depth Pro开源项目 – 快速生成清晰深度图的基础模型

3D Scan Pro利用激光雷达技术和摄影测量法，将现实中的物体转化为精确的3D模型，简化了日常物品的数字化过程。用户可以轻松捕捉和保存物体的三维信息，便于后续使用。

Toronto Warehouse Incremental Change Dataset 是一个新发布的数据集，来源于清晰路径机器人仓库，旨在提供增量感知数据，支持机器人导航和环境理解的研究。

OptiTrack 光学定位算法是一种基于光学运动捕捉技术的定位系统，主要用于机器人空间感知和行为决策。该系统通过多个同步摄像机和反光标记实现三维空间中的精确跟踪，支持机器人执行行走、奔跑、挥手等复杂动作，甚至能在移动时携带物体（负重前行）。其核心技术包括基于标记和基于光线的跟踪算法，适用于室内外多种环境，并提供实时、低延迟的数据输出，广泛应用于机器人导航、学术研究、娱乐产业等领域。

在多个粒度上分割和识别物体的通用图像分割模型。团队在SA-1B数据集、通用分割数据集(COCO等)和部件分割数据集(PASCAL Part等)上联合训练模型的首次尝试，并系统研究了在SA-1B上定义的交互分割任务和其他分割任务（如全景分割和部件分割）上多任务联合训练的相互促进作用。

Polycam是一款利用LiDAR和摄影测量技术创建详细3D模型的应用，适用于iOS、Android设备及网页，旨在使高级3D扫描技术对专业人士和爱好者都变得易于获取。它拥有直观的界面和强大的功能，帮助用户捕捉和创建高质量的3D环境表现。

GPTsCopilot是一个允许用户在无需激活ChatGPT Plus的情况下，直接使用多种GPT应用的平台。用户可以轻松发现和使用各种热门的GPT应用，从而提高工作效率。只需搜索所需应用，即可立即开始使用。

Depth Anything 是一个高度实用的单目深度估计解决方案，旨在构建一个简单而强大的基础模型，能够处理任何图像并适应任何场景。该模型使用约6200万张无标签图像进行训练，涵盖多个领域和场景，展示了出色的零样本泛化能力，并在NYUv2和KITTI数据集上创下了新的最佳性能。

Depth Anything V2 是一种单目深度估计的强大基础模型，显著改善了细节刻画和鲁棒性。它提供更快的推理速度、更少的参数和更高的深度精度，适用于各种单目深度估计应用。项目提供了四种不同规模的预训练模型，支持图像和视频的深度估计，并且可以通过 Transformers 和 Apple Core ML 进行便捷的使用。

Block-Map-Based Localization使用块图技术，在大规模环境中实现高效定位，适合机器人导航与室内外定位系统。

IMAGDressing是一个互动式模块化服装生成系统，旨在为用户提供逼真的虚拟试衣体验。它不仅可以生成高质量的服装图像，还能让用户自由编辑场景和服装细节。IMAGDressing利用增强现实（AR）和虚拟现实（VR）等技术，让用户能够在虚拟世界中尝试各种时尚组合，找到最适合自己的款式。它还能根据用户的个人身材数据、肤色、发型和生活场景，智能推荐最合适的服装搭配。IMAGDressing-v1引入了服装UNet模型，能够从CLIP中捕捉语义特征，并从VAE中捕捉纹理特征，通过混合注意力模块将这些特征整合到一个冻结的去噪UNet中，确保用户可以进行控制编辑。IMAGDressing团队还计划发布一个名为IGPair的综合数据集，包含超过30万对服装和穿着图像，并建立标准的数据组装流程。IMAGDressing-v1还可以与ControlNet、IP-Adapter、T2I-Adapter和AnimateDiff等扩展结合，以增强系统的多样性和可控性。

DepthFM 是一个先进、多功能且快速的单目深度估计模型，能够在单次推理步骤中生成高质量的深度图。该模型展示了从基础图像合成扩散模型（Stable Diffusion v2-1）到流匹配模型的成功迁移，直接从输入图像映射到深度图。DepthFM 不仅在常规深度估计任务中表现出色，还在深度修复和深度条件合成等下游任务中展现了领先的能力。

MMSegmentation 是 OpenMMLab 项目的一部分，旨在为研究人员和开发者提供一个灵活、高效且标准化的平台，用于重新实现现有方法并开发新的语义分割算法。它支持多种流行的语义分割框架，如 PSPNet、DeepLabV3、PSANet、DeepLabV3+ 等，并且具有模块化设计，允许用户通过组合不同模块来构建自定义的语义分割框架。

这款应用利用Apple Vision Pro的沉浸式体验，让用户以全新的维度探索化学元素，深入了解化学的世界。用户可以在iPhone、iPad、Apple Watch、Apple TV或Apple Vision Pro上下载使用，通过增强现实和3D可视化技术，获取每个元素的详细信息，提升化学理解。

HandDiff是一种利用扩散模型进行3D手势估计的方法，结合图像和点云数据，实现精确的手势识别和追踪。该项目致力于提升虚拟现实和增强现实中的人机交互体验。

面向动作识别的神经网络推理引擎，增强您的应用程序，使其能够通过任何RGB相机看到和与人类互动。

SchurVINS是一个基于Schur补的轻量级视觉惯性导航系统，旨在提供高效且准确的导航能力。