BimAnt
博客首页
在线应用
文档手册
工具链
数据集
施工动画
关于
AI
3D应用
3D打印
3D扫描
Blender
GIS
Misc
OpenStreetMap
SEO
Solidworks
UE4/5
YOLO
babylon.js
bim
cad
cadquery
citygml
dynamo
e-commerce
fea
g-code
game
gltf
grasshopper
ifc
lidar
midas
model zoo
modeling
planning
point cloud
product
revit
rhino
scm
startup
three.js
unity
webgl
三维重建
人工智能
元宇宙
合成数据
图形学
数字化转型
数字孪生
激光点云
激光雷达
生成式AI
计算几何
AI
3D Pose Baseline实现
本文回顾 ICCV’17 上提出的 Simple 3D Pose Baseline 并完整介绍数据准备、模型训练和验证过程。
AI
从姿态估计到3D动画
本文介绍如何使用人体姿态估计模型跟踪视频中的动作并利用人体姿态数据生成3D动画。
AI
YOLOv8姿态估计模型训练
文本介绍如何训练自己的YOLOv8姿态估计模型,涵盖数据标注、数据集分割、模型训练和推理的完整过程。
AI
MediaPipe 3D姿态估计
本文介绍MediaPipe的3D姿态估计模型(FaceMesh、BlazePose和HandPose)的使用方法。
AI
DQN原理及PyTorch实现
本文将首先介绍DQN相关概念,然后用PyTorch来构建深度 RL 代理,并使用这个代理来解决Cart Pole问题。
AI
强化学习简明教程
强化学习通过与环境互动试错来学习完成某项任务,本文介绍其基本概念和两种实现方法:Q-Learning和Deep Q Networks。
AI
批归一化图解
批归一化(Batch Norm) 是一种常用的神经网络层,本文将介绍其工作原理和使用方法。
图形学
可微渲染综述
可微渲染(DR:Differentiable Rendering)用于解决逆向图形问题,即从2D图像推理3D场景。
图形学
用可微渲染优化相机位置
本文介绍如何利用PyTorch3D的可微渲染优化3D场景中的相机位置。
Load More
博客首页
在线应用
文档手册
工具链
数据集
施工动画
关于