point-cloud

Notes de lecture sur le Deep Learning et le Machine Learning

Xtreme1 est une plateforme tout-en-un d'étiquetage et d'annotation de données pour l'entraînement multimodal, prenant en charge les nuages de points LiDAR 3D, les images et les LLM.

⚡️ Le framework de perception spatiale pour construire rapidement des robots et des espaces intelligents

Point-NeRF : champs de radiance neuronaux basés sur des points

Bibliothèque C++ légère pour le traitement de données de nuages de points

Robotique avec calcul GPU

Patchwork++ : méthode rapide et robuste de segmentation du sol pour les scans LiDAR 3D. @ IROS'22

[ECCV 2024 Best Paper Candidate & TPAMI 2025] PointLLM : Permettre aux grands modèles de langage de comprendre les nuages de points

Implémentation PyTorch officielle de Superpoint Transformer [ICCV'23], SuperCluster [3DV'24 Oral] et EZ-SP [ICRA'26].

K3D permet de créer des graphiques 3D basés sur WebGL avec une API de haut niveau (surfaces, isosurfaces, voxels, maillages, nuages de points, objets vtk, rendu de volume, cartes de couleurs, etc.). L'objectif principal de K3D-jupyter est d'être aussi simple à utiliser qu'un package autonome comme matplotlib, tout en permettant l'interopérabilité avec des bibliothèques existantes comme VTK.

Modèle de référence pour "GraspNet-1Billion: A Large-Scale Benchmark for General Object Grasping" (CVPR 2020)

[CVPR 2023 Highlight] Reconstruction de surface par noyau neuronal (Neural Kernel Surface Reconstruction).

Package Python pour l'alignement de nuages de points utilisant des modèles probabilistes (Coherent Point Drift, GMMReg, SVR, GMMTree, FilterReg, Bayesian CPD)

Correction de carte interactive pour le SLAM par graphe 3D.

SDK de visualisation 3D BIM IFC pour les applications d'ingénierie AEC. Boîte à outils JavaScript open source basée sur WebGL pur pour des performances optimales, des coordonnées réelles et une précision double complète.

3DMatch - un descripteur géométrique local basé sur un réseau de neurones convolutifs 3D pour l'alignement de maillages 3D et de nuages de points.

Algorithme NDT multi-threadé et optimisé pour SSE.

Outil d'annotation de boîtes englobantes 3D (3D-BAT) pour nuages de points et images

Bibliothèque de traitement de maillages.

Convertissez facilement le jeu de données KITTI en fichier ROS bag.

[TMLR 2025🔥] Étude sur les modèles autorégressifs en vision.

3DGS-to-PC : Conversion de 3D Gaussian Splatting en nuages de points denses [3D-VAST : ICCVW 2025]

[ICCV 2025] Code officiel de DeepMesh: Auto-Regressive Artist-mesh Creation with Reinforcement Learning

Manipulation et visualisation de données LiDAR aéroportées pour les applications forestières

Articles, code et jeux de données sur l'apprentissage profond pour la détection d'objets 3D

Bibliothèque Python pour ajuster des formes primitives 3D à des nuages de points avec RANSAC. Détecter des plans, sphères, cylindres, parallélépipèdes, cercles et droites.

Un kit de développement de vision par ordinateur 3D basé sur PaddlePaddle. Il prend en charge la détection d'objets sur nuage de points, la segmentation et les modèles de détection d'objets 3D monoculaires.

[ECCV2022] Auto-encodeurs masqués pour l'apprentissage auto-supervisé de nuages de points

🔥 Détection d'objets 3D en nuage de points & segmentation sémantique (Deep Learning) - Méthodes SOTA, code, articles, jeux de données, etc.

Une interface Python élégante pour la visualisation sur la plateforme web afin de générer de manière interactive des aperçus sur des images multidimensionnelles, des ensembles de points et de la géométrie.