sparse-to-dense
ICRA 2018 "Sparse-to-Dense: Predicción de Profundidad a partir de Muestras de Profundidad Escasas y una Imagen Única" (Implementación en Torch)
Entrena y prueba modelos para predecir profundidad a partir de datos e imágenes escasos utilizando técnicas de aprendizaje profundo.
Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.
Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.
Gratis · sin tarjeta · cancela cuando quierasICRA 2018 "Sparse-to-Dense: Predicción de Profundidad a partir de Muestras de Profundidad Escasas y una Imagen Única" (Implementación en Torch)
sparse-to-dense tiene 444 estrellas en GitHub. Se ha bifurcado 95 veces. sparse-to-dense está escrito principalmente en Lua. Se desarrolla activamente desde 2017. Sus temas principales son: computer-vision, deep-learning, depth-completion, depth-estimation.
¿Qué es sparse-to-dense?
ICRA 2018 "Sparse-to-Dense: Predicción de Profundidad a partir de Muestras de Profundidad Escasas y una Imagen Única" (Implementación en Torch)
¿sparse-to-dense es de código abierto?
sparse-to-dense es un proyecto de código abierto.
¿sparse-to-dense es gratis?
Sí. sparse-to-dense es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.
¿En qué lenguaje está escrito sparse-to-dense?
sparse-to-dense está escrito principalmente en Lua.
Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.
[](https://olud.ai/project/fangchangma-sparse-to-dense.html)
Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.