point-cloud

Catatan membaca makalah tentang Deep Learning dan Machine Learning

Xtreme1 adalah platform pelabelan dan anotasi data serbaguna untuk pelatihan data multimodal serta mendukung point cloud 3D LiDAR, gambar, dan LLM.

⚡️Kerangka kerja persepsi spasial untuk membangun robot dan ruang cerdas secara cepat

Point-NeRF: Neural Radiance Fields Berbasis Titik

Library C++ yang ringan untuk bekerja dengan data point cloud

Robotika dengan komputasi GPU

Patchwork++: Metode segmentasi permukaan tanah yang cepat dan kuat untuk pemindaian 3D LiDAR. @ IROS'22

Implementasi resmi PyTorch dari Superpoint Transformer [ICCV'23], SuperCluster [3DV'24 Oral], dan EZ-SP [ICRA'26]

[Kandidat Best Paper ECCV 2024 & TPAMI 2025] PointLLM: Memberdayakan Large Language Models untuk memahami Point Clouds.

K3D memungkinkan Anda membuat plot 3D yang didukung oleh WebGL dengan API tingkat tinggi (permukaan, isosurface, voksels, mesh, titik awan, objek vtk, perender volume, colormap, dll). Tujuan utama K3D-jupyter adalah mudah digunakan sebagai paket mandiri seperti matplotlib, serta memungkinkan interoperasi dengan pustaka yang sudah ada seperti VTK.

Model dasar untuk "GraspNet-1Billion: A Large-Scale Benchmark for General Object Grasping" (CVPR 2020)

Paket Python untuk registrasi titik awan menggunakan model probabilistik (Coherent Point Drift, GMMReg, SVR, GMMTree, FilterReg, Bayesian CPD)

[CVPR 2023 Highlight] Rekonstruksi Permukaan Kernel Neural

Koreksi Peta Interaktif untuk 3D Graph SLAM

SDK 3D BIM IFC Viewer untuk aplikasi teknik AEC. Toolkit JavaScript sumber terbuka berbasis WebGL murni untuk performa puncak, koordinat dunia nyata, dan presisi ganda penuh

3DMatch - deskriptor geometris lokal berbasis 3D ConvNet untuk menyelaraskan mesh 3D dan point cloud.

Algoritma NDT multi-thread dan ramah SSE

Alat Anotasi Bounding Box 3D (3D-BAT) untuk pelabelan Point cloud dan Gambar

Perpustakaan pemrosesan mesh

Mengonversi dataset KITTI ke file ROS bag dengan cara yang mudah!

[TMLR 2025🔥] Survei untuk model autoregresif dalam visi.

3DGS-to-PC: 3D Gaussian Splatting ke Dense Point Clouds [3D-VAST: ICCVW 2025]

[ICCV 2025] Kode resmi DeepMesh: Pembuatan Artist-mesh Auto-Regressive dengan Reinforcement Learning.

Manipulasi dan visualisasi data LiDAR Airborne untuk aplikasi kehutanan

Makalah, kode, dan dataset tentang pembelajaran mendalam untuk Deteksi Objek 3D.

Pustaka Python untuk memfitting bentuk primitif 3D ke point cloud menggunakan RANSAC. Mendeteksi bidang, bola, silinder, balok, lingkaran, dan garis.

Toolkit pengembangan computer vision 3D berbasis PaddlePaddle. Mendukung deteksi objek point-cloud, segmentasi, dan model deteksi objek 3D monokuler.

[ECCV2022] Masked Autoencoders untuk Pembelajaran Mandiri (Self-supervised Learning) Point Cloud

Deteksi objek & segmentasi semantik point cloud 3D (Deep Learning) - Metode SOTA, kode, makalah, dataset, dll.

Antarmuka Python yang elegan untuk visualisasi pada platform web guna menghasilkan wawasan secara interaktif ke dalam gambar multidimensi, kumpulan titik, dan geometri.