
Nvidia Kaolin Wisp هي مكتبة Pytorch التي تعمل بها Nvidia Kaolin Core للعمل مع الحقول العصبية (بما في ذلك NERFs و NGLOD و NGP و VQAD).
تهدف Nvidia Kaolin Wisp إلى توفير مجموعة من وظائف المنفعة الشائعة لأداء الأبحاث حول الحقول العصبية. ويشمل ذلك مجموعات البيانات ، Image I/O ، معالجة الشبكات ، ووظائف الأداة المساعدة. يأتي Wisp أيضًا مع لبنات بناء مثل العارضين القابل للتفكيك وهياكل البيانات القابلة للتمييز (مثل Octrees ، شبكات التجزئة ، ميزات ثلاثية) ، وهي مفيدة لبناء حقول عصبية معقدة. ويشمل أيضًا أدوات تصور تصحيح الأخطاء ، وتقديم وتدريب ، وتسجيل ، ومدرب.
تحقق من مستنداتنا للحصول على معلومات إضافية!
للحصول على نظرة عامة على الحقول العصبية ، نوصيك بالتحقق من تقرير EG Star: الحقول العصبية للحوسبة المرئية وما بعدها.
Wisp 1.0.3 <- main
wisp 1.0.2 <- stable
attrdict التبعية المضافة كجزء من إطار مجموعات البيانات الجديدة. إذا قمت بسحب الأحدث ، فتأكد من pip install attrdict .pycuda بـ cuda-python . يمكن تثبيت WISP من PIP الآن (إذا قمت بسحب ، قم بتشغيل PIP تثبيت -r متطلبات _app.txt )انظر تعليمات التثبيت هنا.
نرحب ونشجع المساهمات الخارجية في قاعدة الشفرة! لمزيد من التفاصيل ، اقرأ الأسئلة الشائعة وصفحة الترخيص.
قاعدة كود هذه مرخصة بموجب ترخيص رمز مصدر NVIDIA. التراخيص التجارية متاحة أيضا مجانًا. يرجى التقديم باستخدام هذا الرابط (استخدم "Other" وحدد Kaolin Wisp): https://www.nvidia.com/en-us/research/inquiries/
إذا وجدت مكتبة Nvidia kaolin wisp مفيدة لبحثك ، فيرجى الاستشهاد:
@misc{KaolinWispLibrary,
author = {Towaki Takikawa and Or Perel and Clement Fuji Tsang and Charles Loop and Joey Litalien and Jonathan Tremblay and Sanja Fidler and Maria Shugrina},
title = {Kaolin Wisp: A PyTorch Library and Engine for Neural Fields Research},
year = {2022},
howpublished={url{https://github.com/NVIDIAGameWorks/kaolin-wisp}}
}
نشكر جيمس لوكاس ، وجوناثان تريمبلاي ، و فولت بلوكيس ، وأنيتا هو ، ونيشكريت ديساي لمنحنا ردود الفعل المبكرة واختبار الرمز في مراحل مختلفة طوال التطوير. نشكر Rogelio Olguin و Jonathan Tremblay على البيانات المرجعية WISP.
شكر خاص لأعضاء المجتمع:

تم تسمية مكتبتنا على اسم ضوء الأشباح الجوي ، Will-O'-the-Wisp ، وهي أشباح حجمية يصعب تصميمها مع تمثيلات هندسية قياسية مشتركة مثل الشبكات. نحن نقدم مجموعة بيانات متعددة المقاطع من WISP كمجموعة بيانات مرجعية لكائن حجمي. نحن نقدم أيضًا ملف Blender وتقديم البرامج النصية إذا كنت ترغب في إنشاء بيانات محددة مع هذا المشهد ، يرجى الرجوع إلى README.MD للحصول على تفاصيل أكبر حول كيفية إنشاء البيانات.