DiSCO-3D est une méthode innovante conçue pour résoudre le problème de la découverte de sous-concepts 3D à partir de requêtes en vocabulaire ouvert dans les champs de radiance neuronaux (NeRF). Elle combine segmentation sémantique non supervisée et segmentation en vocabulaire ouvert pour offrir une compréhension fine des scènes 3D, adaptée à la fois au contenu de la scène et aux requêtes utilisateur. Applicable en robotique et systèmes autonomes, elle permet une analyse précise et contextuelle des environnements complexes.

LLaVA-Cube est une méthode innovante qui améliore la compréhension des scènes 3D par les modèles de langage visuel (VLM) en s'inspirant de l'art cubiste. Elle utilise des images 2D multi-vues pour reconstruire des scènes 3D sans nécessiter de données d'entraînement 3D dédiées. Le projet transforme les objets 3D en ensembles de tokens visuels organisés, permettant aux VLMs standards d'analyser et de répondre à des requêtes textuelles sur des scènes 3D complexes, sans fine-tuning.

Projet open source dédié à la visualisation et à l'analyse de données médicales en 3D. Il permet aux professionnels de santé de simuler des scénarios cliniques, d'explorer des modèles anatomiques complexes et de collaborer sur des cas médicaux. L'outil intègre des fonctionnalités avancées de rendu graphique et de traitement de données pour faciliter la compréhension et l'enseignement des concepts médicaux.