登录后查看消息通知
five
魔芯(湖州)科技有限公司

魔芯(湖州)科技有限公司

企业

魔芯(湖州)科技有限公司成立于2021年,注册地位于浙江省。登记所属行业为软件和信息技术服务业。经营范围涉及技术服务、技术开发、技术咨询、技术交流、技术转让、技术推广,增材制造装备制造,物联网技术研发,人工智能应用软件开发,软件开发,3D打印服务,信息技术咨询服务,云计算装备技术服务,人工智能基础资源与技术平台,人工智能公共服务平台技术咨询服务,大数据服务等业务。

高新技术企业科技型中小企业小微企业Pre-A轮软件和信息技术服务业
成立于 2021 年浙江省http://www.kokoni.ltd/home/moxin@kokoni3d.com

数据概览

39
数据集总量
807
总浏览量
0
关注人数
2025-10-30
最近更新
分类统计

相关机构

  • 浙
    浙江亨鲨服饰有限公司
    拥有数据集:3个
    企业
  • 佛
    佛山市森华龙弹簧科技有限公司
    拥有数据集:2个
    企业
  • 拓
    拓卡奔马机电科技有限公司
    拥有数据集:2个
    企业
  • 浙
    浙江维康日用品有限公司
    拥有数据集:2个
    企业
  • 浙
    浙江创智科技股份有限公司
    拥有数据集:2个
    企业

数据集列表

基于多视图的扫描三维模型生成数据
通过构建一个包含大量真实世界物体、且均为水密性的高精度扫描模型及其对应的多视图照片与深度图的大规模配对数据集,可以为深度学习模型提供训练基础,使其学习从多张二维图像和深度信息重建出完整且精确的三维几何。这一数据集主要适用于工业零件的逆向工程、文物数字化保护、游戏与影视的高保真资产制作以及产品质量检测等领域。利用该数据训练出的模型,能够通过输入一个物体的多角度扫描数据来快速生成一个高精度的三维数字模型,解决了传统三维扫描数据处理中常见的空洞、噪声和对齐困难问题,极大地提升了建模效率与精度。基于多视图扫描数据生成高保真三维模型,旨在让高精度三维重建自动化。具体过程包括:(1)数据收集:使用三维扫描设备环绕真实物体采集含深度信息的多角度RGBD图像(I_multi-view)(2)数据处理:对采集的多视图数据进行配准和对齐,初步融合成一个带有噪声的原始点云。这个过程可以用 P_raw = RegisterAndFuse(I_multi-view) 来表示,其中 P_raw 是原始点云,RegisterAndFuse代表配准融合算法。(3)模型构建:设计并搭建一个深度学习模型,用于优化和重建原始点云,生成一个完整、平滑且水密的三维表面模型。该模型从原始数据中学习物体的几何先验,并修复扫描缺陷。最终模型可以用 Mesh_final = RefineNet(P_raw) 来描述,其中 Mesh_final 是最终的优化网格,RefineNet 是三维重建优化网络。关键的评估指标包括交并比(Intersection over Union, IoU)和倒角距离(Chamfer Distance, CD)。此方法适用于从真实物体快速生成高保真数字孪生体,极大地降低了专业领域三维重建的后处理工作量和技术门槛。
浙江省数据知识产权登记平台2025-10-29 更新221
基于手绘草图的自由创意3D打印模型生成数据
通过构建一个包含大量不同外形、且均为水密性的自由类别的3D打印模型及其对应的手绘设计草图(2D线稿图)的大规模配对数据集,可以为深度学习模型提供训练基础,使其学习从二维线条轮廓生成功能性的三维物体。这一数据集主要适用于创意产品原型的快速验证。利用该数据训练出的模型,能够让普通用户甚至儿童通过随手画一张草图,就能生成一个可直接用于3D打印的实体模型,解决了即便是简单功能性物品也需要专业三维建模软件才能设计,以及普通人无法将创意草图快速实物化的问题。基于手绘草图生成自由类别的可3D打印模型,旨在实现创意的快速物化。具体过程包括:(1)数据收集:用户在纸上或平板电脑上绘制一张能清晰表达笔筒外轮廓的2D设计草图(I_sketch)。(2)数据处理:将输入的草图图片进行预处理,然后送入一个在草图数据集上训练过的图像编码器,以提取代表设计意图的结构化特征向量。特征向量通过公式 F_sketch = Encoder_sketch(I_sketch) 提取,其中 F_sketch 为草图特征向量,Encoder_sketch 为图像编码器。(3)模型构建:使用提取的草图特征向量作为输入,设计并搭建一个专注于从2D轮廓生成3D实体的几何解码模型。根据公式 SDF = Decoder_3D(F_sketch) 从草图特征中解码出三维模型的SDF表示,其中 SDF 为模型的表面符号距离场,Decoder_3D 为三维形状解码器。关键的评估指标包括交并比(Intersection over Union, IoU)和倒角距离(Chamfer Distance, CD)。此方法适用于将非专业用户的2D手绘创意直接转化为功能性的3D打印实物,极大地简化了实用物品的设计流程。
浙江省数据知识产权登记平台2025-10-29 更新60
基于手绘草图的花瓶类别3D打印模型生成数据
通过构建一个包含大量不同外形、且均为水密性的花瓶3D打印模型及其对应的手绘设计草图(2D线稿图)的大规模配对数据集,可以为深度学习模型提供训练基础,使其学习从二维线条轮廓生成功能性的三维物体。这一数据集主要适用于个性化办公用品和桌面收纳的定制服务、中小学设计与制造课程教学以及创意产品原型的快速验证。利用该数据训练出的模型,能够让普通用户甚至儿童通过随手画一张花瓶的草图,就能生成一个可直接用于3D打印的实体模型,解决了即便是简单功能性物品也需要专业三维建模软件才能设计,以及普通人无法将创意草图快速实物化的问题。基于手绘草图生成特定类别(如花瓶)的可3D打印模型,旨在实现创意的快速物化。具体过程包括:(1)数据收集:用户在纸上或平板电脑上绘制一张能清晰表达花瓶外轮廓的2D设计草图(I_sketch)。(2)数据处理:将输入的草图图片进行预处理,然后送入一个在草图数据集上训练过的图像编码器,以提取代表设计意图的草图特征向量。特征向量通过公式 F_sketch = Encoder_sketch(I_sketch) 提取,其中 F_sketch 为草图特征向量,Encoder_sketch 为图像编码器。(3)模型构建:使用提取的草图特征向量作为输入,设计并搭建一个专注于从2D轮廓生成3D实体的几何解码模型。该模型生成花瓶的隐式三维表示,并确保其具有中空结构以实现花瓶功能。根据公式 SDF = Decoder_3D(F_sketch) 从草图特征中解码出三维模型,Decoder_3D 为三维形状解码器。关键的评估指标包括交并比(Intersection over Union, IoU)和倒角距离(Chamfer Distance, CD)。此方法适用于将非专业用户的2D手绘创意直接转化为功能性的3D打印实物,极大地简化了实用物品的设计流程。
浙江省数据知识产权登记平台2025-10-29 更新160
基于图片的自由物体3D打印模型生成数据
通过构建一个包含大量自由类别物体、且均为水密性的3D打印模型及其对应的单张或多张渲染图片的大规模配对数据集,可以为深度学习模型提供训练基础,使其学习从二维物体图像生成完整的三维几何。这一数据集主要适用于桌面游戏棋子和微缩模型的定制、个性化的物体模型快速制作、虚拟化身的实体化打印以及内容创作等领域。利用该数据训练出的模型,能够让用户通过上传一张照片来生成一个可直接用于3D打印的对应模型,解决了从零开始制作三维模型技术难度极高、周期漫长且成本昂贵的问题。基于单张图片生成自由类别的可3D打印模型,旨在让三维人形创作大众化。具体过程包括:(1)数据收集:用户提供一张包含清晰物体主体的RGB图片(I_rgb)(2)数据处理:将输入的图片送入一个在物体图像上经过优化的预训练图像编码器。特征向量通过公式 F_image = Encoder_image(I_rgb) 提取,其中 F_image 为图像特征向量,Encoder_image 为图像编码器。(3)模型构建:使用提取的图像特征向量作为输入,设计并搭建一个专注于物体三维模型生成的深度解码模型。该模型从特征中推断并生成物体模型的隐式三维表示。根据公式 SDF = Decoder_3D(F_image) 从图像特征中解码出三维物体模型,其中 SDF 为三维模型,Decoder_3D 为三维形状解码器。关键的评估指标包括交并比(Intersection over Union, IoU)和倒角距离(Chamfer Distance, CD)。此方法适用于从单张照片快速生成个性化的物体模型,极大地降低了三维物体模型的3D打印门槛。
浙江省数据知识产权登记平台2025-10-29 更新310
基于图片的卡通类别3D打印模型生成数据
通过构建一个包含大量不同类别卡通、且均为水密性的3D打印模型及其对应的单张或多张渲染图片的大规模配对数据集,可以为深度学习模型提供训练基础,使其学习从二维卡通图像生成完整的三维几何。这一数据集主要适用于桌面游戏棋子和微缩模型的定制、个性化的卡通模型快速制作、虚拟化身的实体化打印以及内容创作等领域。利用该数据训练出的模型,能够让用户通过上传一张照片来生成一个可直接用于3D打印的对应模型,解决了从零开始制作三维模型技术难度极高、周期漫长且成本昂贵的问题。基于单张图片生成特定类别(如卡通模型)的可3D打印模型,旨在让三维创作大众化。具体过程包括:(1)数据收集:用户提供一张包含清晰卡通主体的RGB图片(I_rgb)(2)数据处理:将输入的图片送入一个在卡通图像上经过优化的预训练图像编码器。特征向量通过公式 F_image = Encoder_image(I_rgb) 提取,其中 F_image 为图像特征向量,Encoder_image 为图像编码器。(3)模型构建:使用提取的图像特征向量作为输入,设计并搭建一个专注于卡通三维模型生成的深度解码模型。该模型从特征中推断并生成卡通模型的隐式三维表示。根据公式 SDF = Decoder_3D(F_image) 从图像特征中解码出三维卡通模型,其中 SDF 为三维模型,Decoder_3D 为三维形状解码器。关键的评估指标包括交并比(Intersection over Union, IoU)和倒角距离(Chamfer Distance, CD)。此方法适用于从单张照片快速生成个性化的卡通模型,极大地降低了三维卡通的3D打印门槛。
浙江省数据知识产权登记平台2025-10-29 更新220
基于图片的彩色浮雕3D打印模型生成数据
通过构建一个包含大量常规2D彩色图片及其对应彩色浅浮雕3D打印模型的大规模配对数据集,可以为深度学习模型提供训练基础,使其学习从单张图像的颜色和内容中推断出合适的深度层次并生成带有纹理的几何体。这一数据集主要适用于个性化纪念品定制、艺术装饰品创作、辅助视觉障碍人士感知图像的触觉艺术以及建筑装饰等领域。利用该数据训练出的模型,能够让用户通过上传任意一张彩色照片,就能一键生成一个既有立体感又保留了原图色彩的可3D打印浮雕模型,解决了传统浮雕制作依赖手工雕刻、耗时且成本高昂,以及普通用户无法将2D图像立体化的问题。基于单张图片生成彩色浮雕3D打印模型,旨在将2D图像转化为带色彩的实体艺术品。具体过程包括:(1)数据收集:用户提供一张彩色图片(I_rgb),如风景照、人像或艺术画作。(2)数据处理:将输入的彩色图片送入一个专门用于单目深度估计的深度学习模型,该模型分析图像内容并预测出一个像素级的高度图。该高度图通过公式 H_map = Encoder_depth(I_rgb) 提取,其中 H_map 为预测的高度图,Encoder_depth 为深度预测编码器。(3)模型构建:此步骤将2D信息转化为3D几何与颜色。首先,根据预测的高度图(H_map)程序化地生成一个网格平面,并通过置换贴图(Displacement Mapping)等技术将高度信息转化为网格的Z轴位移,形成浮雕的几何外形。然后,将原始的彩色图片(I_rgb)作为纹理,精确地贴到生成的浮雕表面上。整个彩色浮雕的生成过程可视为一个解码器完成,即 M_colored_relief = Decoder_relief(I_rgb),其中Decoder_relief为解码器。关键指标为均方根误差(RMSE)和峰值信噪比(PSNR)。此方法适用于将任何2D图片快速、自动地转化为可供全彩3D打印机输出的彩色浮雕模型,极大地降低了浮雕艺术的创作门槛。
浙江省数据知识产权登记平台2025-10-29 更新460
基于手绘草图的服饰类别3D打印模型生成数据
通过构建一个包含大量不同外形、且均为水密性的服饰3D打印模型及其对应的手绘设计草图(2D线稿图)的大规模配对数据集,可以为深度学习模型提供训练基础,使其学习从二维线条轮廓生成功能性的三维物体。这一数据集主要适用于个性化办公用品和桌面收纳的定制服务、中小学设计与制造课程教学以及创意产品原型的快速验证。利用该数据训练出的模型,能够让普通用户甚至儿童通过随手画一张服饰的草图,就能生成一个可直接用于3D打印的实体模型,解决了即便是简单功能性物品也需要专业三维建模软件才能设计,以及普通人无法将创意草图快速实物化的问题。基于手绘草图生成特定类别(如服饰)的可3D打印模型,旨在实现创意的快速物化。具体过程包括:(1)数据收集:用户在纸上或平板电脑上绘制一张能清晰表达服饰外轮廓的2D设计草图(I_sketch)。(2)数据处理:将输入的草图图片进行预处理,然后送入一个在草图数据集上训练过的图像编码器,以提取代表设计意图的草图特征向量。特征向量通过公式 F_sketch = Encoder_sketch(I_sketch) 提取,其中 F_sketch 为草图特征向量,Encoder_sketch 为图像编码器。(3)模型构建:使用提取的草图特征向量作为输入,设计并搭建一个专注于从2D轮廓生成3D实体的几何解码模型。该模型生成服饰的隐式三维表示,并确保其具有中空结构以实现服饰功能。根据公式 SDF = Decoder_3D(F_sketch) 从草图特征中解码出三维模型,Decoder_3D 为三维形状解码器。关键的评估指标包括交并比(Intersection over Union, IoU)和倒角距离(Chamfer Distance, CD)。此方法适用于将非专业用户的2D手绘创意直接转化为功能性的3D打印实物,极大地简化了实用物品的设计流程。
浙江省数据知识产权登记平台2025-10-29 更新220
基于手绘草图的笔筒类别3D打印模型生成数据
通过构建一个包含大量不同外形、且均为水密性的笔筒3D打印模型及其对应的手绘设计草图(2D线稿图)的大规模配对数据集,可以为深度学习模型提供训练基础,使其学习从二维线条轮廓生成功能性的三维物体。这一数据集主要适用于个性化办公用品和桌面收纳的定制服务、中小学设计与制造课程教学以及创意产品原型的快速验证。利用该数据训练出的模型,能够让普通用户甚至儿童通过随手画一张笔筒的草图,就能生成一个可直接用于3D打印的实体模型,解决了即便是简单功能性物品也需要专业三维建模软件才能设计,以及普通人无法将创意草图快速实物化的问题。基于手绘草图生成特定类别(如笔筒)的可3D打印模型,旨在实现创意的快速物化。具体过程包括:(1)数据收集:用户在纸上或平板电脑上绘制一张能清晰表达笔筒外轮廓的2D设计草图(I_sketch)。(2)数据处理:将输入的草图图片进行预处理,然后送入一个在草图数据集上训练过的图像编码器,以提取代表设计意图的草图特征向量。特征向量通过公式 F_sketch = Encoder_sketch(I_sketch) 提取,其中 F_sketch 为草图特征向量,Encoder_sketch 为图像编码器。(3)模型构建:使用提取的草图特征向量作为输入,设计并搭建一个专注于从2D轮廓生成3D实体的几何解码模型。该模型生成笔筒的隐式三维表示,并确保其具有中空结构以实现笔筒功能。根据公式 SDF = Decoder_3D(F_sketch) 从草图特征中解码出三维模型,Decoder_3D 为三维形状解码器。关键的评估指标包括交并比(Intersection over Union, IoU)和倒角距离(Chamfer Distance, CD)。此方法适用于将非专业用户的2D手绘创意直接转化为功能性的3D打印实物,极大地简化了实用物品的设计流程。
浙江省数据知识产权登记平台2025-10-29 更新150
基于图片的宠物类别3D打印模型生成数据
通过构建一个包含大量不同类别宠物、且均为水密性的3D打印模型及其对应的单张或多张渲染图片的大规模配对数据集,可以为深度学习模型提供训练基础,使其学习从二维宠物图像生成完整的三维几何。这一数据集主要适用于桌面游戏棋子和微缩模型的定制、个性化的宠物模型快速制作、虚拟化身的实体化打印以及内容创作等领域。利用该数据训练出的模型,能够让用户通过上传一张照片来生成一个可直接用于3D打印的对应模型,解决了从零开始制作三维模型技术难度极高、周期漫长且成本昂贵的问题。基于单张图片生成特定类别(如宠物模型)的可3D打印模型,旨在让三维创作大众化。具体过程包括:(1)数据收集:用户提供一张包含清晰宠物主体的RGB图片(I_rgb)(2)数据处理:将输入的图片送入一个在宠物图像上经过优化的预训练图像编码器。特征向量通过公式 F_image = Encoder_image(I_rgb) 提取,其中 F_image 为图像特征向量,Encoder_image 为图像编码器。(3)模型构建:使用提取的图像特征向量作为输入,设计并搭建一个专注于宠物三维模型生成的深度解码模型。该模型从特征中推断并生成宠物模型的隐式三维表示。根据公式 SDF = Decoder_3D(F_image) 从图像特征中解码出三维宠物模型,其中 SDF 为三维模型,Decoder_3D 为三维形状解码器。关键的评估指标包括交并比(Intersection over Union, IoU)和倒角距离(Chamfer Distance, CD)。此方法适用于从单张照片快速生成个性化的宠物模型,极大地降低了三维宠物模型的3D打印门槛。
浙江省数据知识产权登记平台2025-10-29 更新430
基于图片的人物类别3D打印模型生成数据
通过构建一个包含大量不同类别人物(如士兵、宇航员、不同职业和姿态的角色)、且均为水密性的3D打印模型及其对应的单张或多张渲染图片的大规模配对数据集,可以为深度学习模型提供训练基础,使其学习从二维人物图像生成完整的三维几何。这一数据集主要适用于桌面游戏棋子和微缩模型的定制、个性化人形玩偶(手办)的快速制作、虚拟化身的实体化打印以及数字人内容创作等领域。利用该数据训练出的模型,能够让用户通过上传一张人物照片来生成一个可直接用于3D打印的对应模型,解决了从零开始制作人物模型技术难度极高、周期漫长且成本昂贵的问题。基于单张图片生成特定类别(如人物)的可3D打印模型,旨在让三维人形创作大众化。具体过程包括:(1)数据收集:用户提供一张包含清晰人物主体的RGB图片(I_rgb),例如一张全身或半身的人物照片。(2)数据处理:将输入的图片送入一个在人物图像上经过优化的预训练图像编码器,以提取捕捉人物姿态、服装和身体轮廓的深度特征向量。特征向量通过公式 F_image = Encoder_image(I_rgb) 提取,其中 F_image 为图像特征向量,Encoder_image 为图像编码器。(3)模型构建:使用提取的图像特征向量作为输入,设计并搭建一个专注于人体几何生成的深度解码模型。该模型从特征中推断并生成人物的隐式三维表示。根据公式 SDF = Decoder_3D(F_image) 从图像特征中解码出三维人物模型,Decoder_3D 为三维形状解码器。关键的评估指标包括交并比(Intersection over Union, IoU)和倒角距离(Chamfer Distance, CD)。此方法适用于从单张照片快速生成个性化的人物模型,极大地降低了人物角色的3D打印门槛。
浙江省数据知识产权登记平台2025-10-29 更新270
关于我们
遇见数据集——让每个数据集都被发现,让每一次遇见都有价值。
数发科官网www.sfktec.com
联系我们
youjian
selectdataset@iotsh.com.cn
商业合作
数据驱动未来,携手共赢发展
© 2023-2026 上海数据发展科技有限责任公司 版权所有
沪ICP备17003045号-15沪公网安备31010402336585号
热门搜索