kaolin Download - تنزيل رمز المصدر kaolin

kaolin

بايثون

v0.17.0

تنزيل

كاولين: مكتبة Pytorch لتسريع أبحاث التعلم العميق ثلاثي الأبعاد

ملخص

توفر مكتبة Nvidia kaolin واجهة برمجة تطبيقات Pytorch للعمل مع مجموعة متنوعة من التمثيلات ثلاثية الأبعاد وتتضمن مجموعة متزايدة من العمليات المحسنة GPU مثل التقديم المعياري ، والتحويلات السريعة بين التمثيلات ، وتحميل البيانات ، وترفيهات ثلاثية الأبعاد ، و API قابلة للتمييز مع الإضاءة القابلة للتنسيق المتناسق والراحة. بالنسبة إلى دفاتر Jupyter ، وحاوية شبكية مريحة وأكثر من ذلك. قم بزيارة وثائق مكتبة كاولين للبدء!

لاحظ أن مكتبة Kaolin هي جزء من جهد Nvidia Kaolin الأكبر للتعلم العميق ثلاثي الأبعاد.

التثبيت والبدء

بدءًا من V0.12.0 ، يدعم Kaolin التثبيت بالعجلات:

 # Replace TORCH_VERSION and CUDA_VERSION with your torch / cuda versions
pip install kaolin==0.17.0 -f https://nvidia-kaolin.s3.us-east-2.amazonaws.com/torch-{TORCH_VERSION}_cu{CUDA_VERSION}.html

على سبيل المثال ، لتثبيت kaolin 0.17.0 على Torch 2.0.1 و CUDA 11.8:

 pip install kaolin==0.17.0 -f https://nvidia-kaolin.s3.us-east-2.amazonaws.com/torch-2.0.1_cu118.html

حول أحدث إصدار (0.17.0)

في هذا الإصدار ، أضفنا Sample_Points_in_volume وظيفة "تكثيف" splats gaussian ، ويمكن استخدام هذا لتحسين محاكاة الفيزياء.

قمنا أيضًا بتحسين التدريب والمحاكاة في الفيزياء باستخدام NVIDIA WARP على بعض وظائفنا. أضفنا أيضًا دعمًا للنقل في اللودر GLTF.


بدون كثف	مع الكثافة

تحقق من دروسنا المحدثة:

استخدم واجهة برمجة تطبيقات Simplicit السهلة لمحاكاة شبكة
التفاعل مع محاكاة الفيزياء
استخدم واجهة برمجة تطبيقات Simplicit الكاملة
محاكاة شظية غاوسية
محاكاة تنشيط العضلات على شبكة عضلية الهيكل

انظر سجلات التغيير للحصول على التفاصيل.

المساهمة

يرجى مراجعة إرشادات المساهمة لدينا.

المشاريع الخارجية باستخدام الكاولين

Nvidia kaolin wisp:
- استخدم Camera API ، والغيوم النقطة المنظمة وقدرات العرض الخاصة بها
Gradsim: محاكاة قابلة للتمييز لتحديد النظام والتحكم في المرشح:
- استخدم DIB-R Rasterizer و OBJ loader و timelapse
تعلم التنبؤ بالكائنات ثلاثية الأبعاد مع عارض قابل للتمييز قائم على الاستيفاء:
- استخدم kaolin's DIB-R Rasterizer ، وظائف الكاميرا و timelapse لنقاط التفتيش ثلاثية الأبعاد.
المستوى الهندسي العصبي للتفاصيل: التقديم في الوقت الفعلي مع الأسطح ثلاثية الأبعاد الضمنية:
- استخدم تحويلات SPC وتعقب الأشعة ، وتحقيق ذاكرة 30x وتقليل وقت التدريب 3x.
تعلم شبكات رباعي السطوح قابلة للتشوه لإعادة الإعمار ثلاثي الأبعاد:
- استخدم العارض الحجمي الكاولين ، وخسائر رباعي السطوح ، و Camera_Functions ، ومشغلي الشبكات ، ومجموعة بيانات Shapenet ، Point_to_mesh_distance و side_distance.
Text2Mesh:
- استخدم وظائف تقديم Kaolin ، وظائف الكاميرا ، و OBJ و OFF المستوردين.
استخراج السطح المتساوي المرن لتحسين الشبكات القائمة على التدرج (المرونة):
- استخدم فئة Flexicube ، و OBJ Loader ، ورسوم القرص الدوار

التراخيص

يخضع معظم مستودع Kaolin تحت رخصة Apache V2.0 ، باستثناء بموجب الكاولين/غير المامير الذي يخضع لترخيص NSCL المقيد على الاستخدام غير التجاري لأغراض البحث والتقييم. على سبيل المثال ، يتم تضمين طريقة المرونة تحت non_commercial.

يتضمن استيراد kaolin الافتراضي مكونات مرخصة من Apache:

 import kaolin

يجب استيراد المكونات غير التجارية بشكل صريح على النحو التالي:

 import kaolin.non_commercial

اقتباس

إذا كنت تستخدم مكتبة كاولين لبحثك ، فيرجى الاستشهاد:

 @software{KaolinLibrary,
      author = {Fuji Tsang, Clement and Shugrina, Maria and Lafleche, Jean Francois and Perel, Or and Loop, Charles and Takikawa, Towaki and Modi, Vismay and Zook, Alexander and Wang, Jiehan and Chen, Wenzheng and Shen, Tianchang and Gao, Jun and Jatavallabhula, Krishna Murthy and Smith, Edward and Rozantsev, Artem and Fidler, Sanja and State, Gavriel and Gorski, Jason and Xiang, Tommy and Li, Jianing and Li, Michael and Lebaredian, Rev},
      title = {Kaolin: A Pytorch Library for Accelerating 3D Deep Learning Research},
      date = {2024-11-20},
      version = {0.17.0},
      url={url{https://github.com/NVIDIAGameWorks/kaolin}}
}