sparse-to-dense
ICRA 2018 "Sparse-to-Dense: Depth Prediction from Sparse Depth Samples and a Single Image" (Torch-Implementierung)
Trainieren und testen Sie Modelle, um die Tiefe aus spärlichen Daten und Bildern mit Deep-Learning-Techniken vorherzusagen.
Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.
Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.
Kostenlos · ohne Karte · jederzeit abbestellbarICRA 2018 "Sparse-to-Dense: Depth Prediction from Sparse Depth Samples and a Single Image" (Torch-Implementierung)
sparse-to-dense hat 444 Sterne auf GitHub. Es wurde 95-mal geforkt. sparse-to-dense ist hauptsächlich in Lua geschrieben. Es wird seit 2017 aktiv entwickelt. Die Hauptthemen sind: computer-vision, deep-learning, depth-completion, depth-estimation.
Was ist sparse-to-dense?
ICRA 2018 "Sparse-to-Dense: Depth Prediction from Sparse Depth Samples and a Single Image" (Torch-Implementierung)
Ist sparse-to-dense Open Source?
sparse-to-dense ist ein Open-Source-Projekt.
Ist sparse-to-dense kostenlos?
Ja. sparse-to-dense ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.
In welcher Sprache ist sparse-to-dense geschrieben?
sparse-to-dense ist hauptsächlich in Lua geschrieben.
Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.
[](https://olud.ai/project/fangchangma-sparse-to-dense.html)
Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.