DeepInteraction
让点云和图像互相“对话”，更准地框出 3D 物体
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整
数据来源：GitHub API 逐日快照 · 收录于 2026-10-28 · 当前星标 ★ 269
核心亮点
- 提出显式模态交互模块，点云与图像特征双向融合，而非简单拼接
- NeurIPS 2022 与 TPAMI 2025 双版本，方法经过同行评审与扩展验证
- 提供完整训练评测配置和预训练模型，复现路径清晰
不足之处
- 依赖 nuScenes 等大规模多模态数据集，普通开发者复现成本较高
- 仓库星标较少，社区活跃度与长期维护待观察
- 训练需多卡 GPU 与较大显存，轻量场景适配性有限
适用场景
- 自动驾驶感知算法研发中的多模态 3D 检测基线
- 学术论文中 LiDAR-相机融合方法的对比实验
- 机器人环境感知中融合点云与图像的目标定位
替代项目
BEVFusion、CenterPoint、MMDetection3D
上一篇：YOLOX-ROS
下一篇：PolarFormer
同类项目推荐
Construction-Hazard-Detection
开源
YOLO+聚类自动圈出工地危险区，实时告警
Enhances construction site safety using YOLO for object detection, identifying hazar···
panseg
开源
一键分割3D密集细胞，精准区分每个个体
A tool for cell instance aware segmentation in densely packed 3D volumetric images
caption_ocr_tool
开源
把视频里烧死的字幕，一键抠成可编辑文字
视频硬字幕提取工具
eSearch
开源
截屏即识别，离线翻译搜索一步到位
截屏 离线OCR 搜索翻译 以图搜图 贴图 录屏 万向滚动截屏 屏幕翻译 Screenshot Offline···
gImageReader
开源
桌面点点鼠标，把图片和扫描件变成可复制文字
A Gtk/Qt front-end to tesseract-ocr.
tesserocr
开源
Python 直连 Tesseract 引擎，细粒度控制 OCR 识别
A Python wrapper for the tesseract-ocr API
EventGPT
开源
让大模型看懂事件相机数据，实现动态场景理解与问答
[CVPR2025] EventGPT: Event Stream Understanding with Multimodal Large Language Model···
Wis3D
开源
浏览器里直接看3D点云和相机位姿，免装软件
A web-based 3D visualization tool for 3D computer vision.
EarthDial
开源
把卫星影像变成能聊天的地球百科，问一句就能读懂地表变化。
[CVPR 2025 ] EarthDial: Turning Multi-Sensory Earth Observations to Interactive Dial···