3d_scene_reconstruction_from_video 顾问：Margrit Betke教授 从每个帧中提取SIFT特征，并采用以RANSAC标记的内部集，并通过FLANN进行特征匹配。 使用OpenCV用C ++编码； 设计了一种算法，可以改善长帧序列中特征的跟踪； 通过对极约束计算摄像机在每两帧之间的旋转和平移，并创造性地解决了由符号引起的解决方案的歧义； 通过使用小基线图像迭代地完善特征深度的估计，并在Matlab中可视化与真实场景对齐的3D特征。 从了解更多

描述 3ds Max 场景安全工具是 Autodesk 推荐的检测和删除已知第三方恶意脚本的方法，这些脚本标识为 CRP/ADSL、ALC、ALC2、PhysXPluginMfx、MSCPROP 及其变体。恶意脚本可能会损坏 3ds Max 环境，导致数据丢失和不稳定，还有可能通过共享 3ds Max 场景文件扩散到其他系统。 版本 2.1.1 新增功能： - 添加了对 3ds Max 2023 的支持。 - 添加了 IT 管理功能。有关详细信息，请参见以下页面：https://help.autodesk.com/view/3DSMAX/2023/CHS/?guid=GUID-C8FEC566-7747-4C35-A7DE-6B8233C9ACB0 版本 2.1.0 新增功能： - 实现了对检测和删除 MSCPROP 恶意脚本的支持。 版本 2.0.1 新增功能： - 修复了“有更新时通知我”选项会在实际已安装最新场景安全工具时通知用户有新更新的问题。 版本 2.0.0 新增功能： - 该工具已重命名为“3ds Max 场景安全工具”。

建议改名：堵车模拟器

GTA-IM数据集 具有场景上下文的长期人体运动预测，ECCV 2020（口服） ，， ，， ， 。 该存储库维护着我们的GTA室内运动数据集（GTA-IM），该数据集着重于室内环境中的人与场景之间的交互作用。我们从逼真的游戏引擎中收集3D人体运动的高清RGB-D图像序列。该数据集具有清晰的3D人体姿势和相机姿势注解，并且在人的外观，室内环境，相机视图和人类活动方面有很大的差异。 目录 演示版 （0）入门 克隆此存储库，然后创建本地环境： conda env create -f environment.yml 。 为了方便起见，我们在demo目录中提供了一部分数据。在本节中，您将能够使用维护的工具脚本来处理我们数据的不同部分。 （1）3D骨架和点云 $ python vis_skeleton_pcd.py -h usage: vis_skeleton_pcd.py [-h] [-

Landsat8场景计算器 介绍 该程序可以从下载landsat8图像和其他文件。 可以根据需要生成的场景类型按需下载这11个波段。 场景生成所需的所有文件都将被下载。 将文件保存到本地磁盘后，将生成场景。 频段可以独立下载，也可以自动下载，具体取决于特定计算/合成所需的频段。 该程序将创建以下内容的GeoTIFF文件： 归一化植被指数计算 土壤调整植被指数计算 可见光谱（自然色）复合 短波红外复合材料 农业综合 地质综合 水深合成 重要笔记 ./data/index.gz是可用数据的索引，如果不存在，则下载该文件，请不要将其删除。 ./data/defaults.json是用户在程序提示中的最后输入。 删除是安全的，但是您将需要在提示符下重新输入先前的值。 如果由于任何问题中断下载，程序将退出。 在下一次运行时，只要不删除不完整的“ .part”文件，下载的文件就可以继续下载。

该数据集包含21类卫星图像，例如建筑物，棒球场，高速公路等。图像的原始大小为256x256像素。最初，每个班级有100张图像。在将每个图像放大4倍后，每个类的大小将增加到500张图像。这允许制作更健壮的模型。 Land-Use Scene Classification_datasets.txt Readme.txt test.csv train.csv validation.csv Land-Use Scene Classification_images_train_test_val_datasets.zip Land-Use Scene Classification_images_datasets.zip

TextFuseNet：具有更丰富融合功能的场景文本检测 该软件在PyTorch中实现了TextFuseNet：具有更丰富的融合功能的场景文本检测。 有关更多详细信息，请参阅我们的论文 。 抽象的 在自然场景中进行任意形状的文本检测是一项极富挑战性的任务。 与现有的仅基于有限特征表示感知文本的文本检测方法不同，我们提出了一个新颖的框架TextFuseNet，以利用融合的丰富特征进行文本检测。 更具体地说，我们建议从特征表示的三个级别（即字符级别，单词级别和全局级别）感知文本，然后引入一种新颖的文本表示融合技术以帮助实现鲁棒的任意文本检测。 多级特征表示可以通过将文本分解为单个字符来充分描述文本，同时仍保持其一般语义。 然后，TextFuseNet使用多路径融合体系结构从不同级别收集并合并文本的功能，该体系结构可以有效地对齐和融合不同的表示形式。 在实践中，我们提出的TextFuseNet可

图像不仅仅是对象或属性的集合——它们代表了相互连接的对象之间的关系网络。为了对图像进行形式化表示，视觉基因组定义了场景图，这是一种结构化的图像形式化表示，类似于知识库表示中广泛使用的形式。本次研讨会的目的是讨论所有基于图的表示和学习算法的进展、优点和缺点。

榆木分类器信息 3D场景几何识别 使用低层特征和多层深层特征的3D场景几何体识别系统 该代码是在多层深度CNN上使用低级特征融合实现图像场景几何识别的方法（已接受）。 如果您对代码有任何疑问，请通过与Altafhan联系。 该系统在Matlab中实现。 该代码已在Linux（Ubuntu 18.x）和带有Matlab版本R2019b的Window 7上进行了测试。 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%% %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%此模型中提取了两种类型的特征。 深度CNN， 手工功能主文件为“ G_multilayersystem.m”，您可以通过“ G_multilayersystem.m”金字塔访问所有其他功能。 %%%%%%%%%%%%%%%%%%程序具有两个不同的模块：实施第一个ResNet模型，并提取五个不同阶段的特征，这些特征在每个阶段都与本地手工特征结合在一起。 （5个不同的阶段）5个阶段：表示5个分类器并联。 我们测试两个分类器； 在每个阶段都支持SVM和ELM。 ％SV

https://pan.baidu.com/s/1_0t5KU5wXL4LAFseC6wI6w 仅供交流学习，请勿商用！