Inicio Proyectos DeepMetricEye
DeepMetricEye
Jupyter Notebook

DeepMetricEye

Código de investigación para la estimación de profundidad métrica en imágenes VR perioculares utilizando datos generados por UE MetaHuman.

por sunyitong · GitHub
Estrellas
Licencia
Creado
Último commit
Categoría
computer-visiondepth-estimationhciGPL-3.0Jupyter Notebook
Ver en GitHub
En palabras simples

Estima la profundidad en imágenes oculares de cascos de realidad virtual para analizar características oculares.

¿Mantienes este proyecto?

Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.

Reivindicar esta pagina →
DeepMetricEye — GitHub preview card
📈 Historial de estrellas
548547
2026-07-202026-08-31
📈 Sigue DeepMetricEye

Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.

Gratis · sin tarjeta · cancela cuando quieras
Recibir alertas por email →
📄 Acerca de

Código de investigación para la estimación de profundidad métrica en imágenes VR perioculares utilizando datos generados por UE MetaHuman.

DeepMetricEye tiene 547 estrellas en GitHub. DeepMetricEye está escrito principalmente en Jupyter Notebook. Se desarrolla activamente desde 2023. DeepMetricEye está disponible bajo la licencia GPL-3.0. Sus temas principales son: computer-vision, depth-estimation, hci, ismar.

Frequently asked questions

¿Qué es DeepMetricEye?

Código de investigación para la estimación de profundidad métrica en imágenes VR perioculares utilizando datos generados por UE MetaHuman.

¿DeepMetricEye es de código abierto?

DeepMetricEye es un proyecto de código abierto. Se distribuye bajo la licencia GPL-3.0.

¿DeepMetricEye es gratis?

Sí. DeepMetricEye es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo. Su licencia GPL-3.0 es copyleft: toda versión modificada que distribuya debe permanecer bajo la misma licencia.

¿Bajo qué licencia está DeepMetricEye?

DeepMetricEye está disponible bajo la licencia GPL-3.0.

¿En qué lenguaje está escrito DeepMetricEye?

DeepMetricEye está escrito principalmente en Jupyter Notebook.

🏅 ¿Mantenedor de este proyecto?
olud.ai badge — DeepMetricEye

Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=sunyitong-deepmetriceye)](https://olud.ai/project/sunyitong-deepmetriceye.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →
UniDepth
Estimación de Profundidad Métrica Monocular Universal
1.2k · 3d-reconstruction
compartedepth-estimation
lightly-train
Entrenamiento todo en uno para modelos de visión (YOLO, ViTs, RT-DETR, DINOv3): preentrenamient…
1.6k · computer-vision
compartedepth-estimation
sc_depth_pl
SC-Depth (V1, V2 y V3) para estimación de profundidad monocular no supervisada Página web:https…
488 · computer-vision
compartedepth-estimation
DiffusionDepth
Implementación en PyTorch de un enfoque de difusión para la percepción de profundidad 3D ECCV 2…
341 · depth-estimation
compartedepth-estimation
self-supervised-depth-completion
ICRA 2019 "Auto-supervisado Sparse-to-Dense: Compleción de profundidad auto-supervisada a parti…
654 · computer-vision
compartedepth-estimation
sparse-to-dense
ICRA 2018 "Sparse-to-Dense: Predicción de Profundidad a partir de Muestras de Profundidad Escas…
444 · computer-vision
compartedepth-estimation
monodepth2
[ICCV 2019] Estimación de profundidad monocular a partir de una sola imagen
4.5k · computer-vision
compartedepth-estimation
MonoDepth-PyTorch
Implementación no oficial de la red neuronal de estimación de profundidad monocular no supervis…
554 · computer-vision
compartedepth-estimation
zed-sdk
⚡️El marco de percepción espacial para construir rápidamente robots y espacios inteligentes
1.2k · 3d-reconstruction
compartedepth-estimation
DenseDepth
Estimación de Profundidad Monocular de Alta Calidad a través de Aprendizaje por Transferencia
1.6k · deep-learning
compartedepth-estimation

Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.