Accueil Projets DeepMetricEye
DeepMetricEye
Jupyter Notebook

DeepMetricEye

Code de recherche pour l'estimation de profondeur métrique dans des images VR périoculaires utilisant des données générées par UE MetaHuman.

par sunyitong · GitHub
Étoiles
Licence
Créé
Dernier commit
Catégorie
computer-visiondepth-estimationhciGPL-3.0Jupyter Notebook
Voir sur GitHub
En termes simples

Estimez la profondeur dans les images des yeux à partir de casques de réalité virtuelle pour analyser les caractéristiques des yeux.

Vous maintenez ce projet ?

Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.

Revendiquer cette page →
DeepMetricEye — GitHub preview card
📈 Historique des étoiles
548547
2026-07-202026-08-31
📈 Suivez DeepMetricEye

Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.

Gratuit · sans carte · désinscription à tout moment
Recevoir des alertes e-mail →
📄 À propos

Code de recherche pour l'estimation de profondeur métrique dans des images VR périoculaires utilisant des données générées par UE MetaHuman.

DeepMetricEye compte 547 étoiles sur GitHub. DeepMetricEye est écrit principalement en Jupyter Notebook. Il est développé activement depuis 2023. DeepMetricEye est disponible sous licence GPL-3.0. Ses principaux thèmes sont : computer-vision, depth-estimation, hci, ismar.

Frequently asked questions

Qu'est-ce que DeepMetricEye ?

Code de recherche pour l'estimation de profondeur métrique dans des images VR périoculaires utilisant des données générées par UE MetaHuman.

DeepMetricEye est-il open source ?

DeepMetricEye est un projet open source. Il est distribué sous licence GPL-3.0.

DeepMetricEye est-il gratuit ?

Oui. DeepMetricEye est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même. Sa licence GPL-3.0 est copyleft : toute version modifiée que vous distribuez doit rester sous la même licence.

Sous quelle licence est DeepMetricEye ?

DeepMetricEye est disponible sous licence GPL-3.0.

Dans quel langage DeepMetricEye est-il écrit ?

DeepMetricEye est écrit principalement en Jupyter Notebook.

🏅 Mainteneur de ce projet ?
olud.ai badge — DeepMetricEye

Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.

[![olud.ai](https://olud.ai/badge.php?tool=sunyitong-deepmetriceye)](https://olud.ai/project/sunyitong-deepmetriceye.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →
UniDepth
Estimation de profondeur métrique monoculaire universelle
1.2k · 3d-reconstruction
partagedepth-estimation
lightly-train
Formation tout-en-un pour les modèles de vision (YOLO, ViTs, RT-DETR, DINOv3) : pré-entraînemen…
1.6k · computer-vision
partagedepth-estimation
sc_depth_pl
SC-Depth (V1, V2 et V3) pour l'estimation de profondeur monoculaire non supervisée Page web : h…
488 · computer-vision
partagedepth-estimation
DiffusionDepth
Implémentation PyTorch de l'approche de diffusion pour la perception de profondeur 3D ECCV 2024
341 · depth-estimation
partagedepth-estimation
self-supervised-depth-completion
ICRA 2019 "Auto-supervisé Sparse-to-Dense : Complétion de profondeur auto-supervisée à partir d…
654 · computer-vision
partagedepth-estimation
sparse-to-dense
ICRA 2018 "Sparse-to-Dense : Prédiction de Profondeur à Partir d'Échantillons de Profondeur Épa…
444 · computer-vision
partagedepth-estimation
monodepth2
[ICCV 2019] Estimation de profondeur monoculaire à partir d'une seule image
4.5k · computer-vision
partagedepth-estimation
MonoDepth-PyTorch
Implémentation non officielle de l'estimation de profondeur monoculaire non supervisée MonoDept…
554 · computer-vision
partagedepth-estimation
zed-sdk
⚡️Le cadre de perception spatiale pour construire rapidement des robots et des espaces intellig…
1.2k · 3d-reconstruction
partagedepth-estimation
DenseDepth
Estimation de profondeur monoculaire de haute qualité via apprentissage par transfert
1.6k · deep-learning
partagedepth-estimation

Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.