PyTorch3D使用PyTorch为3D计算机视觉研究提供高效,可重用的组件。
主要功能包括:
PyTorch3D旨在与深度学习方法顺利集成,以预测和操作3D数据。因此,PyTorch3D中的所有运算符:
在FAIR内部,PyTorch3D已被用于为Mesh R-CNN等研究项目提供动力。
有关详细说明,请参阅 INSTALL.md。
PyTorch3D在BSD许可证下发布。
通过尝试其中一个教程笔记本来开始使用PyTorch3D。
将球体网格变形为海豚 | 捆绑调整 |
渲染带纹理的网格 | 相机位置优化 |
渲染带纹理的点云 | 使网格与纹理拟合 |
呈现密集位置数据 | Load & Render ShapeNet data |
适合纹理体积 | 拟合简单的神经辐射场 |
通过阅读 PyTorch3D 文档了解有关 API 的更多信息。
我们还对几个 API 组件进行了深入的介绍:
我们创建了一个简短的(约14分钟)视频教程,概述了PyTorch3D代码库,包括几个代码示例。点击下面的图片在YouTube上观看视频:
我们欢迎对PyTorch3D的新贡献,我们将积极维护这个库!有关如何运行代码、测试和 linter 以及提交拉取请求的完整说明,请参阅 CONTRIBUTING.md。
main分公司:积极发展,没有任何保证,任何东西都可以随时破碎
main
PyTorch3D由Facebook AI Research Computer Vision Team编写和维护。
按字母顺序排列:
如果你发现PyTorch3D在你的研究中很有用,请引用我们的技术报告:
@article{ravi2020pytorch3d,
author = {Nikhila Ravi and Jeremy Reizenstein and David Novotny and Taylor Gordon
and Wan-Yen Lo and Justin Johnson and Georgia Gkioxari},
title = {Accelerating 3D Deep Learning with PyTorch3D},
journal = {arXiv:2007.08501},
year = {2020},
}
如果你使用脉冲星后端进行球体渲染(或),请引用技术报告:
PulsarPointRenderer
pytorch3d.renderer.points.pulsar.Renderer
@article{lassner2020pulsar,
author = {Christoph Lassner and Michael Zollh\"ofer},
title = {Pulsar: Efficient Sphere-based Neural Rendering},
journal = {arXiv:2004.07484},
year = {2020},
}
请参阅下面的代码库按时间倒序更新的时间表。我们正在分享有关版本以及使用PyTorch3D构建的研究项目的更新。版本的更改日志在“版本
”下提供,并且可以按照 INSTALL.md 中的说明安装版本。
conda
[2022年8月10日]:PyTorch3D v0.7.0 随 Implicitron 和 MeshRasterizerOpenGL 一起发布。
[2022年4月28日]:PyTorch3D v0.6.2 发布
[2021年12月16日]:PyTorch3D v0.6.1 发布
[2021年10月6日]:PyTorch3D v0.6.0 发布
[2021年8月5日]:PyTorch3D v0.5.0 发布
[2021年2月9日]:PyTorch3D v0.4.0 发布,支持隐式函数、体积渲染和 NeRF 的重新实现。
[2020年11月2日]:PyTorch3D v0.3.0发布,集成脉冲星后端。
[2020年8月28日]:PyTorch3D v0.2.5 发布
[2020年7月17日]:PyTorch3D技术报告发布在ArXiv上:https://arxiv.org/abs/2007.08501
[2020年4月24日]:PyTorch3D v0.2.0 发布
[2020年3月25日]:SynSin代码库使用PyTorch3D发布:https://github.com/facebookresearch/synsin
[2020年3月8日]:PyTorch3D v0.1.1 错误修复发布
[2020年1月23日]:PyTorch3D v0.1.0 发布。Mesh R-CNN代码库发布:https://github.com/facebookresearch/meshrcnn