PaddleDepth旨在打造一套产业级的深度信息增强方案,助力开发者更低成本的搜集深度信息,目前共包含深度图超分辨,深度图补全,单目深度估计及双目深度估计这四个子方向
下面是通过深度补全,单目深度估计及双目深度估计进行三维重建的结果演示
point_cloud_reconstruction.mp4
- 模型丰富: 包含深度图超分辨、深度补全、单目深度估计、双目深度估计等10+前沿算法,及4+自研模型。
- 使用简洁:模块化设计,解耦各个网络组件,开发者轻松搭建,快速得到高性能、定制化的算法。
- 公平对比: 基于飞桨框架,在相同的训练策略和环境下公平比较了深度信息增强领域里面SOTA(state-of-the-art)的算法
点击下述超链接查看各个细分深度信息增强算法的使用方法
- 深度图超分辨
- 深度补全
- 单目深度估计
- 双目深度估计
PaddleDepth工具箱目前还在积极维护与完善过程中。 我们非常欢迎外部开发者为Paddle Depth提供新功能\模型。 如果您有这方面的意愿的话,请往我们的邮箱或者issue里面反馈
PaddleDepth是一款由来自不同高校和企业的研发人员共同参与贡献的开源项目。 我们感谢所有为项目提供算法复现和新功能支持的贡献者,以及提供宝贵反馈的用户。 我们希望这个工具箱和基准测试可以为社区提供灵活的代码工具,供用户复现已有算法并开发自己的新模型,从而不断为开源社区提供贡献。
本项目的发布受Apache 2.0 license许可认证。