2 Repos
Awesome GitHub RepositoriesSemantic Mapping Integrations
Fusion of deep learning inference with geometric maps to assign semantic labels to 3D environments.
Distinct from Geometric Deep Learning Frameworks: Specifically addresses the fusion of semantic labels with geometric mapping, whereas the parent covers general non-Euclidean DL frameworks.
Explore 2 awesome GitHub repositories matching artificial intelligence & ml · Semantic Mapping Integrations. Refine with filters or upvote what's useful.
Awesome Semantic Mapping Integrations GitHub Repositories
Finde die besten Repos mit KI.Wir suchen mit KI nach den am besten passenden Repositories.
- manycore-research/spatiallm
manycore-research/SpatialLM
4,596Auf GitHub ansehenSpatialLM ist ein Framework für räumliche Modellierung, das Large Language Models nutzt, um monokulare Videos und Sensordaten in strukturierte semantische Innenraumkarten zu transformieren. Es fungiert als System zur Schätzung von Raumlayouts und als semantischer Parser für Punktwolken, der rohe geometrische Daten in Repräsentationen architektonischer Elemente und Objektkategorien umwandelt. Das Projekt gleicht multimodale Sensoreingaben mit linguistischen Tokens ab, wodurch ein Sprachmodell als Reasoning-Engine zur Ableitung der Raumtopologie dienen kann. Es verwendet Mechanismen, um 3D-Punktwolken und 2D-Bildsequenzen in diskrete Tokens und strukturierte räumliche Encodings zu konvertieren, die anschließend in architektonische Layouts decodiert werden. Das Framework deckt 3D-Szenenanalyse und Objekterkennung ab, um Möbelstücke mittels Bounding Boxes und semantischen Labels zu identifizieren. Zudem bietet es Werkzeuge für das Umweltverständnis von Robotern, indem es Sensordaten verarbeitet, um semantische Karten für die autonome Navigation zu erstellen.
Fuses deep learning inference with geometric maps to assign semantic labels to architectural elements.
Pythonmllmpoint-cloudsscene-understanding - slam-handbook-contributors/slam-handbook-public-release
SLAM-Handbook-contributors/slam-handbook-public-release
4,288Auf GitHub ansehenThis project is a technical reference guide and sensor-based robotics manual focused on the theoretical foundations and practical implementation of Simultaneous Localization and Mapping. It serves as a knowledge base for spatial AI, covering the integration of deep learning and semantic rendering to create intelligent systems for open world environments. The resource provides guidance on integrating multi-modal sensor data from cameras, LiDAR, radar, and inertial sensors for localization and mapping. It also establishes a bibliographic standard for robotics research by providing systems for m
Integrates deep learning inference with geometric mapping to assign meaningful semantic labels to 3D spatial environments.
TeX
