Mindket

DRS-VPT

新上架第 1 版 · 更新于

概览

在不需要起始位姿猜测的情况下,找出一张相机图像在 3-D 点云中的拍摄位置。适合研究 3-D 扫描中相机定位的研究者和学生。

DRS-VPT 是一款工具包,属于研究类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。在本页下载,是一个装着它全部文件的 zip 压缩包。这些文件不会自己运行。

速览

你需要
  • Python 3.12
  • pip,用来安装软件包
  • Windows、macOS 或 Linux 上的终端
用在
  • 网页浏览器:打开 Hugging Face 上的 Space 页面,它在 ZeroGPU 上运行,无需安装任何东西。
  • Windows、macOS 或 Linux 上的 Python 3.12:在那里启动你自己的演示副本。
先运行
pip install -U huggingface_hub
hf download fulkast/drs-vpt-demo --repo-type space --local-dir drs-vpt-demo
cd drs-vpt-demo

平台

Windows操作系统
macOS操作系统
Linux操作系统

关于

它是什么

这个演示可以在不给出起始位姿猜测的情况下,找出一张相机图像在 3-D 点云中的拍摄位置。你给它一张图像和一个点云,或者选一个示例,它就会返回相机在这个点云中的位姿。它运行的是一种叫 DRS-VPT 的方法,来自一篇研究论文。

适合谁

它适合研究 3-D 扫描中相机定位的研究者和学生,也适合想在读论文或代码之前先看这个方法跑起来的人。自带的示例让你不用准备任何数据就能试用。

行业谁在用怎么用例子
研究计算机视觉研究者用一张图像和一个点云试这个方法检查一张图像在扫描中处在哪个位置
测绘保存场所 3-D 扫描的人在已有点云中定位一张新图像把最近拍的图像放进同一地点的扫描里
教育3-D 视觉方向的学生在自带示例上运行演示看看点云中的相机位姿是什么样子
软件研究定位的开发者阅读 app.py 和 examples 文件夹了解一个研究模型是怎样包进小型演示里的

如果你需要商业用途,请跳过模型权重,它们只允许非商业使用。

用在哪里

这个演示可以在两个地方使用。

  • 网页浏览器:打开 Hugging Face 上的 Space 页面,它在 ZeroGPU 上运行,无需安装任何东西。
  • Windows、macOS 或 Linux 上的 Python 3.12:在那里启动你自己的演示副本。
使用场景谁得到什么
定位图像研究者一张图像在点云中的相机位姿
试用示例学生在样例输入上的一次完整运行,不需要自己的数据
查看演示开发者app.py 文件和 examples 文件夹,可以阅读和改造,演示代码采用 Apache 2.0

如何设置

在线的 Space 不需要这些步骤。要运行本地副本,你需要先准备好这些。

  • Python 3.12
  • pip,用来安装软件包
  • Windows、macOS 或 Linux 上的终端

下面是 Hugging Face 给出的本地副本步骤。

  1. 用 pip 安装 Hugging Face hub 软件包。
  2. 把 Space 的文件下载到名为 drs-vpt-demo 的文件夹。
  3. 进入这个文件夹。
  4. 安装 Gradio 6.30.0,再安装 requirements.txt 里列出的软件包。
  5. 启动应用。
pip install -U huggingface_hub
hf download fulkast/drs-vpt-demo --repo-type space --local-dir drs-vpt-demo
cd drs-vpt-demo
pip install gradio==6.30.0
pip install -r requirements.txt
python app.py

如何使用

打开 Space 页面,或者用下面的命令启动本地副本。给页面一张图像和一个点云,或者选一个自带示例,它就会返回相机在这个点云中的位姿。

python app.py
工具作用
python app.py从你下载的副本启动演示

示例

你有一张相机拍的图像,还有同一地点的点云。你把两者交给演示,它会算出位姿,也就是相机在点云里站在哪里、朝向哪边。手头没有数据时,你选一个示例,同样能看到结果。

新手与专家

点云是一组勾勒出某个地方的 3-D 点,相机位姿说明相机在哪里、朝向哪里。先选一个自带示例,看看演示返回的位姿。

这个方法发表在 ECCV 2026,不需要先给出位姿。这个 Space 运行在 ZeroGPU 上,从 fulkast/drs-vpt-demo-data 数据集读取样例,从 fulkast/drs-vpt 模型仓库加载权重。来源没有说明本地副本是否需要 GPU,所以在规划本地运行之前请先确认。

  1. 你把图像和点云交给演示
  2. DRS-VPT 模型在 ZeroGPU 上运行
  3. 它算出相机在点云中的位姿
  4. 位姿显示在演示页面上

注意事项

下面几点值得先看一眼。

  • Python: Space 和本地步骤都使用 Python 3.12。
  • License: Apache 2.0 覆盖演示代码。权重采用 CC BY-NC 4.0,不能用于商业用途。
  • Cost to run: 没有提到。来源里没有列出 API 密钥、账号或付费服务。
  • Data it reaches: 它使用你给它的图像和点云,并从两个 Hugging Face 仓库读取样例数据和权重。来源没有提到其他账号或服务。
  • Not for: 对模型权重的商业使用。

README 和文件

README

DRS-VPT

在不需要起始位姿猜测的情况下,找出一张相机图像在 3-D 点云中的拍摄位置。适合研究 3-D 扫描中相机定位的研究者和学生。

由 fulkast 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的,应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么:这个演示可以在不给出起始位姿猜测的情况下,找出一张相机图像在 3-D 点云中的拍摄位置。你给它一张图像和一个点云,或者选一个示例,它就会返回相机在这个点云中的位姿。它运行的是一种叫 DRS-VPT 的方法,来自一篇研究论文。

适合谁:它适合研究 3-D 扫描中相机定位的研究者和学生,也适合想在读论文或代码之前先看这个方法跑起来的人。自带的示例让你不用准备任何数据就能试用。

行业 | 谁在用 | 怎么用 | 例子
研究 | 计算机视觉研究者 | 用一张图像和一个点云试这个方法 | 检查一张图像在扫描中处在哪个位置
测绘 | 保存场所 3-D 扫描的人 | 在已有点云中定位一张新图像 | 把最近拍的图像放进同一地点的扫描里
教育 | 3-D 视觉方向的学生 | 在自带示例上运行演示 | 看看点云中的相机位姿是什么样子
软件 | 研究定位的开发者 | 阅读 app.py 和 examples 文件夹 | 了解一个研究模型是怎样包进小型演示里的

如果你需要商业用途,请跳过模型权重,它们只允许非商业使用。

用在哪里:这个演示可以在两个地方使用。

  • 网页浏览器:打开 Hugging Face 上的 Space 页面,它在 ZeroGPU 上运行,无需安装任何东西。
  • Windows、macOS 或 Linux 上的 Python 3.12:在那里启动你自己的演示副本。
使用场景 | 谁 | 得到什么
定位图像 | 研究者 | 一张图像在点云中的相机位姿
试用示例 | 学生 | 在样例输入上的一次完整运行,不需要自己的数据
查看演示 | 开发者 | app.py 文件和 examples 文件夹,可以阅读和改造,演示代码采用 Apache 2.0

如何设置:在线的 Space 不需要这些步骤。要运行本地副本,你需要先准备好这些。

  • Python 3.12
  • pip,用来安装软件包
  • Windows、macOS 或 Linux 上的终端

下面是 Hugging Face 给出的本地副本步骤。

  1. 用 pip 安装 Hugging Face hub 软件包。
  2. 把 Space 的文件下载到名为 drs-vpt-demo 的文件夹。
  3. 进入这个文件夹。
  4. 安装 Gradio 6.30.0,再安装 requirements.txt 里列出的软件包。
  5. 启动应用。
pip install -U huggingface_hub
hf download fulkast/drs-vpt-demo --repo-type space --local-dir drs-vpt-demo
cd drs-vpt-demo
pip install gradio==6.30.0
pip install -r requirements.txt
python app.py

如何使用:打开 Space 页面,或者用下面的命令启动本地副本。给页面一张图像和一个点云,或者选一个自带示例,它就会返回相机在这个点云中的位姿。

python app.py
工具 | 作用
python app.py | 从你下载的副本启动演示

示例:你有一张相机拍的图像,还有同一地点的点云。你把两者交给演示,它会算出位姿,也就是相机在点云里站在哪里、朝向哪边。手头没有数据时,你选一个示例,同样能看到结果。

新手与专家:点云是一组勾勒出某个地方的 3-D 点,相机位姿说明相机在哪里、朝向哪里。先选一个自带示例,看看演示返回的位姿。

这个方法发表在 ECCV 2026,不需要先给出位姿。这个 Space 运行在 ZeroGPU 上,从 fulkast/drs-vpt-demo-data 数据集读取样例,从 fulkast/drs-vpt 模型仓库加载权重。来源没有说明本地副本是否需要 GPU,所以在规划本地运行之前请先确认。

你把图像和点云交给演示
DRS-VPT 模型在 ZeroGPU 上运行
它算出相机在点云中的位姿
位姿显示在演示页面上

注意事项:下面几点值得先看一眼。

  • Python: Space 和本地步骤都使用 Python 3.12。
  • License: Apache 2.0 覆盖演示代码。权重采用 CC BY-NC 4.0,不能用于商业用途。
  • Cost to run: 没有提到。来源里没有列出 API 密钥、账号或付费服务。
  • Data it reaches: 它使用你给它的图像和点云,并从两个 Hugging Face 仓库读取样例数据和权重。来源没有提到其他账号或服务。
  • Not for: 对模型权重的商业使用。

Hugging Face 上的数据(2026年11月13日)

  • 点赞:1
  • 构建方式:gradio
  • 许可证:apache-2.0

链接

  • Space:https://huggingface.co/spaces/fulkast/drs-vpt-demo
  • 文件:https://huggingface.co/spaces/fulkast/drs-vpt-demo/tree/main

试用

在浏览器里打开这个 Space,或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。

文件
README.md  5 KB

1 个文件,共 5 KB,以 zip 压缩包下载。

更新内容

  • 第 1 版 · 2026-11-12

同类产品对比

同一分类里与本产品共有标签最多的已上架 Hugging Face Space。

产品点赞构建方式许可证最近更新
DRS-VPT 本页1gradioapache-2.0
Open VLM Leaderboard共有 gradio1,034gradioapache-2.0
Face Swap共有 gradio808gradiocc-by-nc-sa-4.0
TTS Spaces Arena共有 gradio493gradiozlib
Depth Anything 3共有 gradio490gradiocc-by-nc-4.0
BLIP共有 gradio431gradiobsd-3-clause
数据为 Mindket 在 2026-11-12 至 2026-11-13 期间读取的数值。

评价

还没有评分

写评价

还没有评价。

大家怎么说

Hacker News、Bluesky、X、Reddit、Facebook 和 YouTube 上提到这个项目的帖子和评论,来自每周一次的搜索和 Trendshift。它们不是 Mindket 写的,也未经核实,点开即可在原帖处阅读。

搜索日期

Mindket 的更多商品

查看 Mindket 的全部商品

anaksor-ocr

Sokheng · 工具包

这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。

新上架

Qwen2.5-7B-Instruct-GGUF

Qwen · 工具包

Qwen2.5-7B-Instruct 的 GGUF 文件,提供八种量化大小,可通过 llama.cpp 在本地聊天。适合想在自己电脑上用 7.6B 强力模型、又不想搭 Python 环境的人。

新上架

ACE-Step 1.5 XL SFT

ACE-Step · 工具包

用 4B 扩散解码器根据文字生成音乐,50 步并带引导控制,音频质量高于基础版。适合拥有 12 GB 或更多显存 GPU 的创作者。

新上架

研究类的相似商品

查看研究类的全部商品

Merlin-Cancer-Super

AbdomenAtlas · 工具包

在 CT 扫描上检测并勾画 9 个器官的肿瘤,使用从放射学报告中学习的 R-Super 方法训练。这是面向医学影像团队的研究模型,采用非商业许可。

新上架

EarthJev

dBenf · 工具包

回答关于卫星图像块的类型化问题,使用 Sentinel-2 的全部 12 个波段,为每个选项返回概率,不生成文字。这是 Qwen3.5-0.8B 的微调版本,适合地球观测研究者。

新上架

getting-over-it-rl-jax

zimmerk4 · 工具包

用一个在 JAX 物理模拟器里学会的小型策略网络,从头到尾通关游戏 Getting Over It。适合强化学习研究者和好奇的动手爱好者。

新上架