point-cloud

Notas de lectura sobre Deep Learning y Machine Learning

Xtreme1 es una plataforma integral de etiquetado y anotación de datos para el entrenamiento de datos multimodales, compatible con nubes de puntos LiDAR 3D, imágenes y LLM.

⚡️ El marco de percepción espacial para construir rápidamente robots y espacios inteligentes.

Point-NeRF: Campos de radiancia neuronal basados en puntos.

Una biblioteca ligera de C++ para trabajar con datos de nubes de puntos

Robótica con computación mediante GPU

Patchwork++: Método de segmentación de suelo rápido y robusto para escaneos LiDAR 3D. @ IROS'22

[Candidato a mejor artículo en ECCV 2024 y TPAMI 2025] PointLLM: Potenciando a los modelos de lenguaje extenso para comprender nubes de puntos.

Implementación oficial en PyTorch de Superpoint Transformer [ICCV'23], SuperCluster [3DV'24 Oral] y EZ-SP [ICRA'26]

K3D permite crear gráficos 3D respaldados por WebGL con una API de alto nivel (superficies, isosuperficies, vóxeles, mallas, nubes de puntos, objetos vtk, renderizado de volúmenes, mapas de color, etc.). El objetivo principal de K3D-jupyter es ser fácil de usar como un paquete independiente al estilo de matplotlib, pero también permitir la interoperabilidad con bibliotecas existentes como VTK.

Modelo base para GraspNet-1Billion: un benchmark a gran escala para el agarre de objetos (CVPR 2020)

Paquete de Python para registro de nubes de puntos mediante modelos probabilísticos (Coherent Point Drift, GMMReg, SVR, GMMTree, FilterReg, Bayesian CPD)

[CVPR 2023 Highlight] Reconstrucción de superficies mediante núcleos neuronales

Corrección de mapas interactivos para 3D Graph SLAM

SDK de visualización BIM IFC 3D para aplicaciones de ingeniería AEC. Kit de herramientas JavaScript de código abierto basado en WebGL puro para un rendimiento óptimo, coordenadas del mundo real y precisión doble completa.

3DMatch: un descriptor geométrico local basado en 3D ConvNet para alinear mallas 3D y nubes de puntos.

Algoritmo NDT multihilo y compatible con SSE

Herramienta de anotación de cajas delimitadoras 3D (3D-BAT) para etiquetado de nubes de puntos e imágenes

Biblioteca de procesamiento de mallas

¡Convierte el conjunto de datos KITTI a un archivo ROS bag de forma sencilla!

[TMLR 2025🔥] Un estudio sobre modelos autorregresivos en visión artificial.

3DGS-to-PC: Conversión de 3D Gaussian Splatting a nubes de puntos densas [3D-VAST: ICCVW 2025].

[ICCV 2025] Código oficial de DeepMesh: Creación autorregresiva de mallas artísticas con aprendizaje por refuerzo

Manipulación y visualización de datos LiDAR aerotransportados para aplicaciones forestales

Artículos, código y conjuntos de datos sobre aprendizaje profundo para detección de objetos 3D.

Biblioteca de Python para ajustar formas primitivas 3D a nubes de puntos con RANSAC. Detecta planos, esferas, cilindros, cuboides, círculos y líneas.

Un kit de herramientas de desarrollo de visión artificial 3D basado en PaddlePaddle. Soporta detección de objetos en nubes de puntos, segmentación y modelos de detección de objetos 3D monoculares.

[ECCV2022] Autoencoders enmascarados para el aprendizaje autosupervisado de nubes de puntos.

🔥 Detección de objetos y segmentación semántica de nubes de puntos 3D (Deep Learning): métodos SOTA, código, artículos y conjuntos de datos

Una elegante interfaz de Python para visualización en la plataforma web que permite generar de forma interactiva información sobre imágenes multidimensionales, conjuntos de puntos y geometría.