PyTorch3D

PyTorch3D

  • 文档
  • 教程
  • API
  • GitHub
支持乌克兰 🇺🇦 帮助向乌克兰提供人道主义援助.
Project Logo

一个用于基于3D数据进行深度学习的库

文档
教程
开始使用

异构批处理

支持对不同尺寸的3D输入(例如网格)进行批处理

快速3D算子

支持针对3D数据的一些常用函数的优化实现

可微渲染

模块化的可微渲染API,在PyTorch、C++和CUDA中具有并行实现

开始使用

  1. 安装PyTorch3D(按照此处的说明进行操作)
  2. 尝试一些3D算子例如,计算两个网格之间的Chamfer距离损失
    from pytorch3d.utils import ico_sphere
    from pytorch3d.io import load_obj
    from pytorch3d.structures import Meshes
    from pytorch3d.ops import sample_points_from_meshes
    from pytorch3d.loss import chamfer_distance
    
    # Use an ico_sphere mesh and load a mesh from an .obj e.g. model.obj
    sphere_mesh = ico_sphere(level=3)
    verts, faces, _ = load_obj("model.obj")
    test_mesh = Meshes(verts=[verts], faces=[faces.verts_idx])
    
    # Differentiably sample 5k points from the surface of each mesh and then compute the loss.
    sample_sphere = sample_points_from_meshes(sphere_mesh, 5000)
    sample_test = sample_points_from_meshes(test_mesh, 5000)
    loss_chamfer, _ = chamfer_distance(sample_sphere, sample_test)
    
pytorch3d
Facebook Open Source
版权所有 © 2024 Meta Platforms, Inc
法律:隐私条款