项目介绍：mickey 项目
项目背景
mickey 项目是一个名为“Matching 2D Images in 3D: Metric Relative Pose from Metric Correspondences”的研究实现，并在 2024 年的 CVPR（国际计算机视觉与模式识别会议）上以口头报告的形式展示。这个项目的核心是通过引入名为 MicKey 的特征检测管道来进行 2D 图像与 3D 空间中的匹配。MicKey 能够在相机空间中回归关键点的位置，并通过描述符匹配的方式来确立度量上的对应关系，从而恢复出度量上的相对姿态。
技术细节
MicKey 是一个端到端训练的系统，它利用可微分姿态优化，仅需图像对及其真实相对姿势作为监督信息。MicKey 的目标是解决增强现实（AR）即时应用中的一些问题，尤其是在 Map-free 基准中。传统的方法需要通过上百张图像和比例校准来构建 3D 地图，而 Map-free 方法只需使用场景的一张照片作为地图进行基准评估。
主要功能
评估 MicKey
在 MicKey 项目中，用户能够利用 Map-free 数据集来进行评估，而无需构建复杂的 3D 地图。有多个已预先训练好的 MicKey 模型可供下载，其中每个模型都针对不同的训练策略进行了优化。
- 数据集下载与准备：用户可以从项目页面下载 Map-free 数据集，并将其解压到指定目录中。
- 模型下载与设置：预训练好的 MicKey 模型可以从网上下载，使用这些模型可以直接开始评估 MicKey 的性能。
- 本地和在线评估：用户可以在本地评估验证集，或者通过提供的脚本提交结果到在线基准网站进行比较。
训练 MicKey
对于需要自定义或进一步优化的应用场景，用户可以使用提供的训练代码来训练 MicKey。项目提供了两种配置，用于不同的训练策略：
- 逐步学习 配置：这是一种不使用图像重叠信息的训练策略，仅依靠真实相对姿态进行学习。
- 重叠评分配置：该策略基于图像重叠信息，只选择可解决的图像对进行训练。
项目也提供两种快速训练的配置，以便于用户加速初期训练。
项目贡献与使用
mickey 项目为计算机视觉提供了一种新的方法来进行 2D 图像与 3D 空间之间的映射，同时开辟了更多关于图像姿态匹配的新研究方向。该项目的代码和模型主要针对非商业用途，如研究和教育。有兴趣的研究者或开发者可以通过项目代码中的指引开始使用，同时在引用时请标明原始论文。
荣誉致谢
该项目在构建过程中借鉴了一些开源库和项目，特此致谢相关作者及维护者。特别是与 Map-Free、ACE 和 LoFTR 等相关领域的合作使得该项目得以更好地实现其研究目标。
编辑推荐精选
Keevx
AI数字人视频创作平台
Keevx 一款开箱即用的AI数字人视频创作平台，广泛适用于电商广告、企业培训与社媒宣传，让全球企业与个人创作者无需拍摄剪辑，就能快速生成多语言、高质量的专业视频。
即梦AI
一站式AI创作平台
提供 AI 驱动的图片、视频生成及数字人等功能，助力创意创作
扣子-AI办公
AI办公助手，复杂任务高效处理
AI办公助手，复杂任务高效处理。办公效率低？扣子空间AI助手支持播客生成、PPT制作、网页开发及报告写作，覆盖科研、商业、舆情等领域的专家Agent 7x24小时响应，生活工作无缝切换，提升50%效率！
TRAE编程
AI辅助编程，代码自动修复
Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。
蛙蛙写作
AI小说写作助手，一站式润色、改写、扩写
蛙蛙写作—国内先进的AI写作平台，涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能，助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。
问小白
全能AI智能助手，随时解答生活与工作的多样问题
问小白，由元石科技研发的AI智能助手，快速准确地解答各种生活和工作问题，包括但不限于搜索、规划和社交互动，帮助用户在日常生活中提高效率，轻松管理个人事务。
Transly
实时语音翻译/同声传译工具
Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手，它拥有超精准的音频识别翻译能力，几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球，无论你是留学生、商务人士、韩剧美剧爱好者，还是出国游玩、多国会议、跨国追星等等，都可以满足你所有需要同传的场景需求，线上线下通用，扫除语言障碍，让全世界的语言交流不再有国界。
讯飞智文
一键生成PPT和Word，让学习生活更轻松
讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。
讯飞星火
深度推理能力全新升级，全面对标OpenAI o1
科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。
Spark-TTS
一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型
Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。
推荐工具精选
AI云服务特惠
懂AI专属折扣关注微信公众号
最新AI工具、AI资讯
独家AI资源、AI项目落地
微信扫一扫关注公众号