3Ｄ视觉工坊-CSDN博客

转载 CIOE 中国光博会9月深圳举办丨聚焦光电热点技术，光电子 + 集成电路双展联动！

2025年9月10-12日，第二十六届中国国际光电博览会（CIOE中国光博会）将于深圳国际会展中心（宝安新馆）举行，作为覆盖光电全产业链的综合型展会，CIOE中国光博会汇聚超3800家全球优质光电企业，同期八大主题展全面展示信息通信、精密光学、摄像头技术及应用、激光及智能制造、红外、紫外、智能传感、新型显示、AR&VR、光电子创新等版块。双展汇聚半导体制造与光电应用核心力量，为产业链上下游及跨领域参与者（材料、设备、设计、制造、封装、系统集成、终端应用）搭建了高效交流碰撞平台。十大特色展区，紧随市场热点。

2025-08-06 07:03:14 125

转载 30k-50k*15(base上海/苏州) | 苏州博世招聘自动驾驶高精地图算法工程师(两年以上智驾行业经验)

机器人，计算机，数学，自动化，电子信息等相关专业毕业，具有良好的编程基础。熟悉 C/C++编程，有Linux开发经验为佳，具有良好代码风格和质量意识。熟悉经典的SLAM框架和开源算法，熟悉图优化理论，熟悉惯性导航的基础知识。基于多种车载传感器（相机，IMU，GPS，激光雷达等）研发智驾建图算法。负责记忆泊车，循迹倒车等智驾功能的工程化实现，部署测试以及迭代优化。扫码添加小助理微信：cv3d001 备注：高精地图算法工程师。：自动驾驶高精地图算法工程师。备注：高精地图算法工程师。：苏州博世XC事业部。

2025-08-06 07:03:14 73

转载 CoRL 2025｜零遥操作！AirExo-2助力规模化机器人模仿学习

上海交通大学计算机科学与工程系与上海人工智能实验室联培博士生，师从卢策吾教授，研究方向主要集中在机器人操控与抓取领域，尤其关注基于人类示范数据的模仿学习技术，致力于提升机器人在复杂环境中的通用操作能力，使机器人能够更加精准和高效地完成多样化任务。：3D视觉工坊很荣幸邀请到了上海交通大学计算机科学与工程系与上海人工智能实验室联培博士生。3D视觉工坊很荣幸邀请到了上海交通大学计算机科学与工程系与上海人工智能实验室联培博士生。博士，为大家着重分享他们团队的工作。扫码观看直播，或前往B站搜索3D视觉工坊观看直播。

2025-08-06 07:03:14 21

转载深圳无界智慧招聘机器人导航、医疗Agent开发工程师和具身操作算法实习等岗位

【代码】深圳无界智慧招聘机器人导航、医疗Agent开发工程师和具身操作算法实习等岗位。

2025-08-05 07:03:01 16

转载跟踪准确率暴跌30%！20种SOTA算法在新无人机数据集上集体失效！

作者对20种现有的单目标跟踪方法在该数据集上进行了评估，实验结果表明，在复杂环境中跟踪微小无人机仍是一项挑战，现有方法在CST Anti-UAV数据集上的性能明显下降，如SiamDT的状态准确率从Anti-UAV410数据集上的67.69%降至35.84%，GlobalTrack从66.42%降至35.92%，这凸显了现有基准的局限性以及无人机跟踪研究进一步发展的必要性。然而，现有的无人机跟踪数据集主要以显著目标为主，在场景复杂性和属性表示方面缺乏多样性，限制了它们在现实场景中的适用性。

2025-08-05 07:03:01 24

转载 CVPRW‘2025开源 | LangCoop：首个语言V2X协作框架，开创驾驶新范式!

现为德克萨斯农工大学(Texas A&M University)博士生，导师为涂正中教授(Prof. Zhengzhong Tu)。研究方向覆盖自动驾驶，多智能体协同，无人机陆空协同，高效自动驾驶/机器人模拟器构建等，在ICLR、CVPR、IROS、ITSC等会议发表论文及担任审稿人。随着视觉语言模型(VLM)在自动驾驶中的兴起，我们提出：既然人类能用自然语言交流感知与决策，车辆为何不能？：3D视觉工坊很荣幸邀请到了德克萨斯农工大学博士生。扫码观看直播，或前往B站搜索3D视觉工坊观看直播。

2025-08-04 07:03:01 34

转载 CVPRW‘2025开源 | LangCoop：首个语言V2X协作框架，开创驾驶新范式!

现为德克萨斯农工大学(Texas A&M University)博士生，导师为涂正中教授(Prof. Zhengzhong Tu)。研究方向覆盖自动驾驶，多智能体协同，无人机陆空协同，高效自动驾驶/机器人模拟器构建等，在ICLR、CVPR、IROS、ITSC等会议发表论文及担任审稿人。随着视觉语言模型(VLM)在自动驾驶中的兴起，我们提出：既然人类能用自然语言交流感知与决策，车辆为何不能？：3D视觉工坊很荣幸邀请到了德克萨斯农工大学博士生。扫码观看直播，或前往B站搜索3D视觉工坊观看直播。

2025-08-04 07:03:01 16

转载轨迹精度暴涨 35%！MIT 开源新框架：实现机器人在极端视角下的鲁棒全局定位（RSS 2025）

本文提出了 ROMAN（Robust Object Map Alignment Anywhere），这是一种新颖的全局定位框架，能够在具有挑战性的室内、城市以及非结构化自然场景中，通过配准开放集的对象地图来实现稳健定位。由所提出的方法找到的关联分段通过直线连接，并投影到图像平面上。为了提升不同视角下对象几何关系的一致性，ROMAN 特别引入了基于 IMU 或 LiDAR 自身推导的重力方向估计，将所有对象地图在生成时即对齐到重力向量，从而显著减少因滚转（roll）或俯仰（pitch）角变化带来的几何偏差。

2025-08-03 00:01:26 135

转载深夜调试代码崩溃时，谁在陪你？

细分方向众多，包括但不限于：工业3D视觉、三维重建、自动驾驶、具身智能、大模型、扩散模型等科技前沿方向，也涉及视觉竞赛、硬件选型、视觉产品落地经验分享、学术&求职交流等。探讨科研工作难题、交流最新领域进展、分享3D视觉最新顶会论文&代码资料、分享视频(讲解3D视觉重要知识点)、发布高质量的求职就业信息、承接项目。3D视觉包含立体视觉、结构光和TOF，以立体视觉为主。目前已有6400+活跃成员，主要涉及方向：工业3D视觉、SLAM、自动驾驶、三维重建、无人机、具身智能、大模型等科技前沿方向。

2025-08-02 07:03:06 35

转载 3D 分割新 SOTA ！从 ScanNet 到 nuScenes，全胜！HybridTM模型到底强在哪？

基于 Transformer 的方法通过其强大的注意力机制，在三维语义分割中展现出了卓越的能力，但二次复杂度限制了它们对大规模点云中长距离依赖关系的建模。该策略在每个混合层中对注意力层和 Mamba 层进行排序，先让注意力层处理输入特征提取丰富的局部特征，再将其输入 Mamba 层进行全局上下文建模，最后通过前馈网络（FFN）彻底融合局部和全局信息，并通过 xCPE 模块进行位置编码，确保特征提取过程中的空间感知能力，从而有效集成 Transformer 和 Mamba 用于 3D 语义分割。

2025-08-02 07:03:06 38

转载 ICCV‘25 Highlight 港大开源 | GameFactory：迈向交互式生成视频的更高级智能

通过视频生成来对交互控制信号进行反馈，从而模拟世界的变化，这将促进很多下游领域的发展，例如具身智能，游戏以及自动驾驶。我们尝试对交互生成视频的发展路线做了总结和展望，并在此基础上研究了GameFactory，尝试从流式视频生成和可泛化的控制两个角度来推动交互式生成视频的技术发展。香港大学一年级博士生，主要研究视频生成，世界模型以及具身智能。他曾在CVPR，ICCV，ICLR，ICML，NeurIPS，TPAMI，IJCV等人工智能领域的著名国际会议和期刊发表多篇学术论文。，为大家着重分享他们团队的工作。

2025-08-01 07:03:21 49

转载干掉 ELoFTR！把特征匹配效率提升 2.2 倍！ CasP 打造轻量高效匹配方案！

半密集特征匹配方法在具有挑战性的场景中表现出了强大的性能。CasP 的加速增益随着分辨率的提高而增加，与最有效的方法 ELoFTR 相比，我们的轻量级模型在分辨率为 1152 时实现了约 2.2 倍的加速。：提出的方法与所有基线方法相比，在匹配准确率上有显著提升，达到了与密集方法 DKM 相当的结果，凸显了基于两阶段单应性的细化模块在实现亚像素精度方面的优越性。：提出的方法与注重准确性的方法相比取得了有竞争力的结果，作为最有效的半密集方法，与其他方法相比，可将该框架的匹配阶段加速约 2 到 3 倍。

2025-07-31 07:02:40 48

转载机器人，被录取为上海高校博士！

为进一步深化两校在“科技+艺术”交叉融合领域的协同创新，两校联合启动国内首个聚焦机器人艺术与科技融合的高层次人才培养计划，以“具身人工智能机器人博士”为核心课题对象，探索新一代具身智能体在多模态交互、艺术表达、认知成长等方面的实验性培养路径，构建跨学科、系统化、开放式的智能体博士联合培养机制。新增20多门3D视觉系统课程、入门环境配置教程、多场顶会直播、顶会论文最新解读、3D视觉算法源码、求职招聘。机器人具备快速学习能力，这对以后的学科教育有重要影响意义，要培养他理解人、理解场景、理解艺术专业。

2025-07-31 07:02:40 191

转载 CVPR冠军方案BridgeVLA | 真机性能提升32%，3D VLA新范式！

事实上，如果只是简单地复用VLM的预训练权重，并不能构造出我们期待的3D VLA模型。根本原因在于VLM的输入输出和所需的3D VLA的输入输出之间存在着巨大Gap，导致我们无法将VLM的潜力充分发挥出来，而BridgeVLA的提出就是为了Bridge the gap。博士期间曾在Tencent Robotics X，Bytedance Seed等顶级机构从事具身智能相关的前沿研究，目前的研究方向为具身智能，通用机器人操作等，其已在ICCV，ICML，RA-L等国际会议或期刊上发表多篇论文。

2025-07-31 07:02:40 57

转载 NEAS CHINA 2025 ！谁能赢下新能源下半场！

蔚来汽车、质子汽车、特斯拉、中车时代电驱、长城汽车、华域汽车、上海电驱动、瑞浦兰钧、保隆科技、特百佳、绿控传动、凯博易控、法拉第电驱动、安徽德孚、工大智骋、天海、捷翼科技、高松技术、金杯电工、丰泰美华、浙江温达、通宇智连、富乐、之江、硅宝、沙特基础、戈尔、优可发、华威电子、丰宾电子、世强、红宝电子、泰艺电子、鸿星科技、汇隆电子......在行业“反内卷”呼声不断的背景下，新能源汽车产业链如何破局？新能源汽车技术、汽车内外饰、未来城市交通、智能座舱、智能网联、人工智能大模型、具身智能机器人。

2025-07-30 07:03:28 81

转载 IROS‘25 | 基于非成对视觉-动作数据的时空表征融合，助力灵巧操作学习

为大家着重分享他们团队的工作。如果您有相关工作需要分享，欢迎文末联系我们。IROS'25|基于非成对视觉-动作数据的时空表征融合，助力灵巧操作学习。浙江大学在读博士生。研究方向为具身灵巧操作，导师为叶琦教授。，为大家着重分享他们团队的工作。如果您有相关工作需要分享，扫码观看直播，或前往B站搜索3D视觉工坊观看直播。：3D视觉工坊很荣幸邀请到了浙江大学在读博士生。3D视觉工坊很荣幸邀请到了浙江大学在读博士生。3D视觉工坊哔哩哔哩。UnVALe方法介绍。UnVALe结果展示。姓名/昵称+工作名称。

2025-07-30 07:03:28 27

转载 IROS‘25 | 基于非成对视觉-动作数据的时空表征融合，助力灵巧操作学习

为大家着重分享他们团队的工作。如果您有相关工作需要分享，欢迎文末联系我们。IROS'25|基于非成对视觉-动作数据的时空表征融合，助力灵巧操作学习。浙江大学在读博士生。研究方向为具身灵巧操作，导师为叶琦教授。，为大家着重分享他们团队的工作。如果您有相关工作需要分享，扫码观看直播，或前往B站搜索3D视觉工坊观看直播。：3D视觉工坊很荣幸邀请到了浙江大学在读博士生。3D视觉工坊很荣幸邀请到了浙江大学在读博士生。3D视觉工坊哔哩哔哩。UnVALe方法介绍。UnVALe结果展示。姓名/昵称+工作名称。

2025-07-30 07:03:28 25

转载 NUS邵林团队最新VLA‑OS | 揭秘机器人VLA模型的第一性原理！

在ICLR, CoRL, ICRA, IROS等顶级会议上发表论文十余篇，曾获ICRA 2025 Best Papar Award on Locomotion and Manipulation, CoRL 2022 Best System Paper Nomination, 新加坡国立大学校长奖学金等奖项。新加坡国立大学在读博士生，导师为邵林助理教授。他的研究方向包括通用机器人操作，机器人世界模型，：3D视觉工坊很荣幸邀请到了新加坡国立大学在读博士生。如果您有相关工作需要分享，欢迎文末联系我们。

2025-07-29 07:03:59 73

转载 ICCV‘25 | 无惧遮挡！S2M2：立体匹配的更高细节！

在Middlebury v3和ETH3D基准测试中，该方法建立了新的最优性能，在大多数指标上显著超越先前方法，同时以具有竞争力的效率重建高质量细节。通过在真实世界和合成基准测试中均取得最优结果，我们的工作首次确凿证明了精心设计的全局匹配架构在输入分辨率和模型容量方面均可扩展，克服了其长期存在的局限，实现了鲁棒且最优的性能。我们的大量实验不仅在现实世界的基准测试中建立了新的最先进水平，还展示了该框架在苛刻场景中的鲁棒性，从而为开发高精度和通用的立体视觉系统开辟了新途径。每个方法都绘制了与其对应的参数大小。

2025-07-29 07:03:59 61

转载 ICCV‘25 | 无惧遮挡！S2M2：立体匹配的更高细节！

在Middlebury v3和ETH3D基准测试中，该方法建立了新的最优性能，在大多数指标上显著超越先前方法，同时以具有竞争力的效率重建高质量细节。通过在真实世界和合成基准测试中均取得最优结果，我们的工作首次确凿证明了精心设计的全局匹配架构在输入分辨率和模型容量方面均可扩展，克服了其长期存在的局限，实现了鲁棒且最优的性能。我们的大量实验不仅在现实世界的基准测试中建立了新的最先进水平，还展示了该框架在苛刻场景中的鲁棒性，从而为开发高精度和通用的立体视觉系统开辟了新途径。每个方法都绘制了与其对应的参数大小。

2025-07-29 07:03:59 51

转载 ACM MM‘25 | 小鹏最新：利用导航指令模仿人类驾驶员的超视距自动驾驶

现为UCF三年级博士生，同时在Amazon担任研究实习生。研究方向为基于高斯溅射的多模态3D场景理解，以及多模态大模型在自动驾驶等领域的应用。曾在ICLR，CVPR，ICCV，IJCAI，ACM MM等会议上发表独立一作论文，并担任BMVC领域主席，以及NIPS，ICCV，TIP，TNNLS等会议期刊审稿人。扫码观看直播，或前往B站搜索3D视觉工坊观看直播。如果您有相关工作需要分享，欢迎文末联系我们。：3D视觉工坊很荣幸邀请到了UCF三年级博士生。3D视觉工坊很荣幸邀请到了UCF三年级博士生。

2025-07-28 07:02:32 27

转载 ACM MM‘25 | 小鹏最新：利用导航指令模仿人类驾驶员的超视距自动驾驶

现为UCF三年级博士生，同时在Amazon担任研究实习生。研究方向为基于高斯溅射的多模态3D场景理解，以及多模态大模型在自动驾驶等领域的应用。曾在ICLR，CVPR，ICCV，IJCAI，ACM MM等会议上发表独立一作论文，并担任BMVC领域主席，以及NIPS，ICCV，TIP，TNNLS等会议期刊审稿人。扫码观看直播，或前往B站搜索3D视觉工坊观看直播。如果您有相关工作需要分享，欢迎文末联系我们。：3D视觉工坊很荣幸邀请到了UCF三年级博士生。3D视觉工坊很荣幸邀请到了UCF三年级博士生。

2025-07-28 07:02:32 28

转载 ACM MM‘25 | 小鹏最新：利用导航指令模仿人类驾驶员的超视距自动驾驶

现为UCF三年级博士生，同时在Amazon担任研究实习生。研究方向为基于高斯溅射的多模态3D场景理解，以及多模态大模型在自动驾驶等领域的应用。曾在ICLR，CVPR，ICCV，IJCAI，ACM MM等会议上发表独立一作论文，并担任BMVC领域主席，以及NIPS，ICCV，TIP，TNNLS等会议期刊审稿人。扫码观看直播，或前往B站搜索3D视觉工坊观看直播。如果您有相关工作需要分享，欢迎文末联系我们。：3D视觉工坊很荣幸邀请到了UCF三年级博士生。3D视觉工坊很荣幸邀请到了UCF三年级博士生。

2025-07-28 07:02:32 24

转载 ICCV‘25开源 | 50倍加速！SpatialTrackerV2：轻松实现3D点跟踪！（浙大&牛津）

它利用完全可微且端到端的架构，将世界空间中的3D运动分解为场景几何结构、相机自运动和逐像素的物体运动，从而支持在包括合成序列、带位姿的RGB-D视频和无标签野外镜头在内的广泛数据集上进行可扩展的训练。通过从这些异构数据中联合学习几何结构和运动，SpatialTrackerV2的性能比现有3D跟踪方法提高了30%，且在运行速度比领先的动态3D重建方法快50倍的同时，达到了与其相当的精度。现有的3D点跟踪解决方案广泛探索了成熟的低/中级视觉模型，如光流和单目深度估计，并借鉴了2D点跟踪模型的优势。

2025-07-25 07:03:31 89

转载 CVPR 2025 Highlight | 北大ConsisID & OpenS2V - 频域感知的主体一致性视频生成

北京大学硕士一年级研究生，主修计算机科学与技术专业，研究方向是多模态生成和理解。曾在TPAMI、CVPR、NeurIPS等人工智能领域的著名国际会议和期刊发表多篇学术论文，代表性项目包括Open-Sora Plan和ConsisID，开源项目累计Star超20,000。：3D视觉工坊很荣幸邀请到了北京大学硕士一年级研究生。3D视觉工坊很荣幸邀请到了北京大学硕士一年级研究生。扫码观看直播，或前往B站搜索3D视觉工坊观看直播。如果您有相关工作需要分享，欢迎文末联系我们。如果您有相关工作需要分享，

2025-07-25 07:03:31 59

转载工业缺陷检测新项目如何选择合适的算法

等工业难点，并给出相应的案例解决方案。本课程答疑主要在本课程对应的鹅圈子中答疑，学员学习过程中，有任何问题，可以随时在鹅圈子中提问。以及各种工业算法中的评价指标和CV大模型在工业场景中的简单应用，拓展丰富大家做项目的思路。本课程主要针对当前工业缺陷检测过程的中的难点进行分析、给出相应的解决方案。备注：以上图片和视频部分来自网络，如果侵犯了您的权益，还请联系删除！本课程重点分析讲解工业领域的难点，包括了。对工业检测算法的应用有较为深刻的认识；独立解决工业缺陷检测中场景的难点；(10张训练数据集)

2025-07-25 07:03:31 50

转载 ICCV‘25开源 | 50倍加速！SpatialTrackerV2：轻松实现3D点跟踪！（浙大&牛津）

它利用完全可微且端到端的架构，将世界空间中的3D运动分解为场景几何结构、相机自运动和逐像素的物体运动，从而支持在包括合成序列、带位姿的RGB-D视频和无标签野外镜头在内的广泛数据集上进行可扩展的训练。通过从这些异构数据中联合学习几何结构和运动，SpatialTrackerV2的性能比现有3D跟踪方法提高了30%，且在运行速度比领先的动态3D重建方法快50倍的同时，达到了与其相当的精度。现有的3D点跟踪解决方案广泛探索了成熟的低/中级视觉模型，如光流和单目深度估计，并借鉴了2D点跟踪模型的优势。

2025-07-25 07:03:31 90

转载 ICCV‘25开源 | 50倍加速！SpatialTrackerV2：轻松实现3D点跟踪！（浙大&牛津）

它利用完全可微且端到端的架构，将世界空间中的3D运动分解为场景几何结构、相机自运动和逐像素的物体运动，从而支持在包括合成序列、带位姿的RGB-D视频和无标签野外镜头在内的广泛数据集上进行可扩展的训练。通过从这些异构数据中联合学习几何结构和运动，SpatialTrackerV2的性能比现有3D跟踪方法提高了30%，且在运行速度比领先的动态3D重建方法快50倍的同时，达到了与其相当的精度。现有的3D点跟踪解决方案广泛探索了成熟的低/中级视觉模型，如光流和单目深度估计，并借鉴了2D点跟踪模型的优势。

2025-07-25 07:03:31 32

转载 ICCV‘25开源 | 50倍加速！SpatialTrackerV2：轻松实现3D点跟踪！（浙大&牛津）

它利用完全可微且端到端的架构，将世界空间中的3D运动分解为场景几何结构、相机自运动和逐像素的物体运动，从而支持在包括合成序列、带位姿的RGB-D视频和无标签野外镜头在内的广泛数据集上进行可扩展的训练。通过从这些异构数据中联合学习几何结构和运动，SpatialTrackerV2的性能比现有3D跟踪方法提高了30%，且在运行速度比领先的动态3D重建方法快50倍的同时，达到了与其相当的精度。现有的3D点跟踪解决方案广泛探索了成熟的低/中级视觉模型，如光流和单目深度估计，并借鉴了2D点跟踪模型的优势。

2025-07-25 07:03:31 54