视觉2d
北京大学 | Video-LLaVA视觉语言大模型：统一输入，同时处理图片和视频数据
前言 北京大学和其他机构的研究人员近期提出了一种名为Video-LLaVA的视觉语言大模型。该模型的创新之处在于能够同时处理图片和视频作为输入。在处理图片的任务中，该模型展现出了出色的性能，在多个评估榜单中名列前茅，尤其在视频方面取得了令人瞩目的成绩。这项研究的关键点在于关注如何将LLM的输入统一起 ......
使用Aidlux进行工业视觉少样本缺陷检测的实战应用
Aidlux是一个强大的工具，可以帮助我们进行深度学习模型的开发和部署。在这个视频中，我们将会看到如何下载和安装Aidlux，如何使用VSCode远程连接到Aidlux，如何在Aidlux商店中安装Python3.9和OpenCV-Python，以及如何进行模型转换和上传。 首先，我们需要下载和安装 ......
【3D程序软件】SideFX与上海道宁一直为设计师提供程序化 3D 动画和视觉效果工具，旨在创造高质量的电影效果
Houdini是一个 从头开始构建的程序系统 使艺术家能够自由工作 创建多次迭代 并与同事快速共享工作流程 Houdini FX为 视觉特效艺术家创作故事片 广告或视频游戏 凭借其基于程序节点的工作流程 Houdini FX可让 您更快地创建更多内容 从而缩短时间并 在所有创意任务中享受增强的灵活性 ......
[Script][2d_poly_examples][2D Polygon - Simulation Object]
来源：官网案例，侵删。 2D Polygon - Simulation Object – Ansys Optics https://optics.ansys.com/hc/en-us/articles/360034901613-Structures-2D-Polygon 2d_poly_exampl ......
关于CCD视觉对位系统+UVW对位平台计算公式算法举例
UVW对位平台介绍：1、这是一种可以实现以平面上任意一点为中心，进行旋转运动的装置，并可沿着任意的方向平移。2、此平台和视觉CCD纠偏系统对接在一起，可以很快完成高精度的纠偏工作，重复定位精度一般可达±1μm；下述算法由平台相对移动量可算出各执行器(U､V､W)的移动量。回转中心(at,bt)指的是 ......
使用动态方式创建1D和2D矩阵
int *create1DArray(int size) { int i; int *arr = (int *)(malloc(sizeof(int) * size)); for (i = 0; i < size; i++) { arr[i] = i * i; } return arr; } int ......
视觉VO（11-2-1）orb-slam 地图点到位姿边 -- 闭环处的 Sim3 位姿优化 闭环线程
不用于前面的3D-位姿，这里的地图点投影到了相机归一化世界坐标系，然后相互投影重投影误差 ......
视觉VO（11-3-2）orb-slam 位姿到位姿边 --全局位姿图优化 代码
https://blog.csdn.net/weixin_46135347/article/details/120160599?utm_medium=distribute.pc_relevant.none-task-blog-2~default~baidujs_baidulandingword~de ......
视觉VO（11-3）orb-slam 位姿到位姿边 --全局位姿图优化
完整推导过程 1伴随性质https://blog.csdn.net/heyijia0327/article/details/51773578 2 BCH近似http://asrl.utias.utoronto.ca/~tdb/bib/barfoot_ser17.pdf 3-2 Adjoint Mat ......
视频监控中的智能算法与计算机视觉技术
视频监控技术是监控领域必不可少的一部分，智能监控的发展就是建立在视频监控之上的，随着科技的发展，视频监控也在不断升级，不仅融合了网关的智能分析算法，更是结合图像处理、画质优化等多项技术。 ......
视觉差缓动效果的轮播--React版
React实现视觉差效果缓动轮播 效果如下（图片帧率低看起来有点卡顿，看个大概就行）： 分享一下思路： 1.正常引入一个轮播组件（站在巨人肩膀省时省力），去除指示点、引导箭头等不需要的元素，有些组件支持配置，不支持就手动覆盖CSS样式了 2.找到组件中用于显示展示当前图片的类名 3.添加transf ......
动手学深度学习----计算机视觉
向着吃点心的时刻出发！——久岛鸥 锚框 数据集： 首先人手动在图片数据中进行标注，标注的有物体的类型，物体对应的框（框的位置） 框的位置表示方式很多，如左上角x,左上角y,高，宽 这样表示 我们手动标注的框为真实框，锚框是我们程序生成的，经过我们的处理需要与真实框进行匹配，并算出于真正框的偏移 这个 ......
视觉VO（11-1）位姿图优化-SE3-error=Tjw.inv*Tij*Tiw
1 基本资料 https://blog.csdn.net/heyijia0327/article/details/51773578 2推导公式 2-1 结论 2-2 slam14讲解推导 伴随性质利用 伴随性质利用 其中用到了近似 https://github.com/b51/CeresSim3Op ......
激发创新，助力研究：CogVLM，强大且开源的视觉语言模型亮相
激发创新，助力研究：CogVLM，强大且开源的视觉语言模型亮相 CogVLM 是一个强大的开源视觉语言模型（VLM）。CogVLM-17B 拥有 100 亿视觉参数和 70 亿语言参数。 CogVLM-17B 在 10 个经典跨模态基准测试上取得了 SOTA 性能，包括 NoCaps、Flicker ......
After Effects 2024：打造引人入胜的视觉效果 mac/win版
After Effects 2024是一款由Adobe公司开发的视频特效和动画制作软件，是专业影视制作领域的必备工具之一。它可以帮助用户在Windows或Mac操作系统上创建各种类型的视频动画和特效，包括2D和3D合成、动画、色彩校正、音频合成等等。 点击获取After Effects 2023 A ......
视觉VO（10-5）orb-slam用到的边
一共三种边 EdgeSE3ProjectXYZOnlyPose() EdgeSE3ProjectXYZ() // g2o - General Graph Optimization // Added EdgeStereoSE3ProjectXYZ (project using focal_length ......
TGFX-跨平台 2D 绘图引擎
1、项目简介 TGFX（Tencent Graphics） 是一个跨平台的纯 GPU 绘图引擎，提供了完备的图片，矢量和文本的 2D 绘制能力，目前已支持：iOS, Android, macOS, Windows, Linux, 以及 Web 等平台。它最初是从 PAG 动效开源项目中孵化而来，作为 ......
机器视觉选型计算器，初级版，后续慢慢补充
做机器视觉的都知道，每次选型都得做各种计算，但是没有人把硬件选型做出一个工具，今天利用一点闲暇时间，几分钟吧，简单做了个，后续再把其他一些硬件选型公式计算器功能做上去，有需要的自取。 1.DPI相关计算器 2.工作距离相关计算器 3.待补充，编码器等 4.关于 有需要自行下载：链接 ......
g2o（6）2d-3d 重投影
1节点 1-1位姿节点 vertex_se3_expmap.h // g2o - General Graph Optimization #ifndef G2O_SBA_VERTEXSE3EXPMAP_H #define G2O_SBA_VERTEXSE3EXPMAP_H #include "g2o/ ......
g2o（5-1）2d-2d
https://github.com/gaoxiang12/slambook/blob/master/ch7/pose_estimation_2d2d.cpp CMakeLists.txt cmake_minimum_required( VERSION 2.8 ) project( vo1 ) se ......
g2o（5-1）2d-3d BA优化
https://github.com/gaoxia #include <iostream> #include <opencv2/core/core.hpp> #include <opencv2/features2d/features2d.hpp> #include <opencv2/highgui/ ......
Unity-Light（含Unity2021-2d项目升级Urp渲染管线）
Unity-Light（含Unity2021-2d项目升级Urp渲染管线） 普通渲染管线（比较老旧的光效升级方式，已舍弃） 要使场景和角色拥有光效，那就得让他们先暗下来，给他们添加相应的材质 场景材质的添加 选中需要添加材质的场景，在右侧框内的“材质”菜单中，选中Default-Diffus ......
视觉VO（10-2-1）优化- 重投影误差 数学基础 李群李代数
https://www.bilibili.com/video/BV1LT411V7zv/?spm_id_from=333.788&vd_source=f88ed35500cb30c7be9bbe418a5998ca ......
视觉VO（10-2）优化- 重投影误差
李代数表现形式 https://blog.csdn.net/weixin_49804978/article/details/121922128 由于相机位姿未知以及观测点的噪声，该等式存在一个误差。我们将误差求和，构建最小二乘问题，然后寻找做好的相机位姿，使它最小化： 该问题的误差项，是将像素坐标（ ......
视觉VO（10-1）优化概述
视觉VO（10-1）优化概述 文字部分 https://wym.netlify.app/2019-07-03-orb-slam2-optimization1/ 思维导图整理 https://www.processon.com/diagraming/6538ba379675f91751210aae 请 ......
视觉VO（9-2）共视图和本质图
https://zhuanlan.zhihu.com/p/595837772 所有相连关键帧组成共视图。 关键帧之间的共视信息在本文系统的若干个任务中非常有用，并且其被表示为一种无向加权图。图中每一节点为一个关键帧，如果两个关键帧之间共享相同地图点（至少15个）观测，则这两个关键帧之间存在一条边，该 ......
OpenAI支持的视觉能力
介绍 带有视觉的 GPT-4，有时也称为 GPT-4V 或在 API 中，允许模型接收图像并回答有关它们的问题。从历史上看，语言模型系统一直受到单一输入模态（文本）的限制。对于许多用例来说，这限制了可以使用 GPT-4 等模型的领域。gpt-4-vision-preview 具有视觉功能的 GPT- ......
CLIP：万物分类（视觉语言大模型）
本文来着公众号“AI大道理” 论文地址：https://arxiv.org/abs/2103.00020 传统的分类模型需要先验的定义固定的类别，然后经过CNN提取特征，经过softmax进行分类。然而这种模式有个致命的缺点，那就是想加入新的一类就得重新定义这个类别的标签，并重新训练模型，这样非 ......