pytorch-dense-correspondence

收录理由

这是 Dense Object Nets 的官方参考实现，一种自监督方法，可为机器人从未见过的物体（包括可变形物体）学习稠密视觉描述子。与为每个抓取或任务单独训练模型不同，该网络构建了一致的逐像素描述子空间，使机器人即使在物体被弯曲或重新排列后，也能定位并抓取物体上的特定点。仓库包含分步教程、Docker 工作流和预训练模型，训练一个描述子网络大约只需 20 分钟，从干净环境到可用模型约半小时即可完成。这是一个研究型代码库，而非打磨完善的产品，因此你会看到 Jupyter notebook 和文档化的数据处理流程，而不是简洁的 API。对于探索任务无关物体表征的机器人团队，其训练和评估脚本是一个扎实的起点。