sparse-to-dense
ICRA 2018 "Sparse-to-Dense: Predizione della Profondità da Campioni di Profondità Sparsi e da un'Immagine Singola" (Implementazione Torch)
Allena e testa modelli per prevedere la profondità da dati e immagini sparse utilizzando tecniche di deep learning.
Rivendica la sua pagina: indicizzata qualunque sia il rango, tradotta in sei lingue e arricchita con le tue parole.
Ricevi un avviso via email alla prossima release o quando decolla — non perderti nulla.
Gratis · senza carta · disdici quando vuoiICRA 2018 "Sparse-to-Dense: Predizione della Profondità da Campioni di Profondità Sparsi e da un'Immagine Singola" (Implementazione Torch)
sparse-to-dense ha 444 stelle su GitHub. È stato forkato 95 volte. sparse-to-dense è scritto principalmente in Lua. È in sviluppo attivo dal 2017. I suoi temi principali sono: computer-vision, deep-learning, depth-completion, depth-estimation.
Che cos'è sparse-to-dense?
ICRA 2018 "Sparse-to-Dense: Predizione della Profondità da Campioni di Profondità Sparsi e da un'Immagine Singola" (Implementazione Torch)
sparse-to-dense è open source?
sparse-to-dense è un progetto open source.
sparse-to-dense è gratuito?
Sì. sparse-to-dense è gratuito e open source: puoi usarlo, modificarlo e ospitarlo autonomamente.
In quale linguaggio è scritto sparse-to-dense?
sparse-to-dense è scritto principalmente in Lua.
Aggiungi questo badge live al tuo README — le tue stelle GitHub e il ranking della directory, aggiornati quotidianamente.
[](https://olud.ai/project/fangchangma-sparse-to-dense.html)
Misurato dai topic GitHub comuni a entrambi i progetti, ponderati per la loro rarita.