计算机视觉领域大牛马毅的著作《an invitation to 3D vision from images to geometric models》，资料完整，无章节缺失，计算机视觉领域的同行必备必学，适合入门。中文翻译名《3D视觉导论：从图像到几何模型》

NeuralRecon：单目视频的实时相干3D重建 | NeuralRecon：单目视频的实时相干3D重建*，*， ，，CVPR 2021（口头报告） 代码发布ETA 我们计划在一个月内发布代码，敬请期待。 如果您希望收到代码发布的通知，请订阅。 同时，在中欢迎对该文件进行。 引文 如果您发现此代码对您的研究有用，请使用以下BibTeX条目。 @article{sun2021neucon, title={{NeuralRecon}: Real-Time Coherent {3D} Reconstruction from Monocular Video}, author={Sun, Jiaming and Xie, Yiming and Chen, Linghao and Zhou, Xiaowei and Bao, Hujun}, journal={CVPR}, yea

An Invitation to 3D Vision计算机视觉方面经典

LoFTR：与变压器互不影响的无检测器局部特征 | LoFTR：与变压器互不干扰的本地特征匹配*，*， *，，CVPR 2021 代码发布ETA 我们计划在接下来的一周内发布仅推理的代码和预训练的模型，敬请期待。 用于数据预处理，培训和验证的整个代码库正在进行重大重构，并将于6月左右发布。 如果您希望收到代码发布的通知，请订阅。 同时，在中欢迎对该文件进行。 引文 如果您发现此代码对您的研究有用，请使用以下BibTeX条目。 @article{sun2021loftr, title={{LoFTR}: Detector-Free Local Feature Matching with Transformers}, author={Sun, Jiaming and Shen, Zehong and Wang, Yuang and Bao, Hujun and Zhou, Xiao

3D Vision项目：足球检测和跟踪 玛丽安（Marian），杰森（Jason），米克斯（Miks）和詹尼克（Jannik） 重要连结 要设置Google足球模拟，请访问 项目管理 总的来说，对于每个任务都要做一个github问题

RandLA-Net-pytorch 该存储库包含的实现。 我们现在仅支持SemanticKITTI数据集。 （欢迎大家共同发展，提高公关意识） 我们的模型几乎与原始实现一样好。 （验证集：我们的52.9％的mIoU与原始的53.1％） 我们将pretrain-model放置在目录中。 表现 验证集结果（seq 08） 与原始实施比较 模型 密欧 原始Tensorflow 0.531 我们的Pytorch实施 0.529 每课时 密欧 车 自行车 摩托车 卡车 其他车辆 人 骑自行车的人 电单车司机 路 停车处 人行道 其他地面 建造 栅栏 植被 树干 地形 极 交通标志 52.9 0.919 0.122 0.290 0.660 0.444 0.515 0.676 0.000 0.912 0.421 0.759 0.001 0.878 0.354

SLAM，3d视觉相关笔试面试题总结，内含自动驾驶全套学习资料

应对NVIDIA不再支持3DVISION（以下简称3DV）驱动后的简化安装工具

FPConv 林益群，严自正，黄海滨，杜东，刘立刚，崔曙光，韩晓光，“ FPConv：学习点卷积的局部平坦化”，CVPR 2020 @InProceedings{lin_fpconv_cvpr2020, author = {Yiqun Lin, Zizheng Yan, Haibin Huang, Dong Du, Ligang Liu, Shuguang Cui, Xiaoguang Han}, title = {FPConv: Learning Local Flattening for Point Convolution}, booktitle = {The IEEE Conference on Computer Vision and Pattern Recognition (CVPR)}, month = {June}, year = {2