kaolin Download - kaolin Source Code Download

kaolin

Python

v0.17.0

Herunterladen

Kaolin: Eine Pytorch -Bibliothek zur Beschleunigung von 3D Deep Learning Research

Überblick

NVIDIA Kaolin library provides a PyTorch API for working with a variety of 3D representations and includes a growing collection of GPU-optimized operations such as modular differentiable rendering, fast conversions between representations, data loading, 3D checkpoints, differentiable camera API, differentiable lighting with spherical harmonics and spherical gaussians, powerful quadtree acceleration structure called Structured Point Clouds, interactive 3D visualizer for Jupyter -Notizbücher, bequemer Batched Mesh Container und vieles mehr. Besuchen Sie die Dokumentation der Kaolin Library, um loszulegen!

Beachten Sie, dass die Kaolin -Bibliothek Teil der größeren Nvidia Kaolin -Anstrengung für 3D Deep Learning ist.

Installation und Einstieg

Ab V0.12.0 unterstützt Kaolin die Installation mit Rädern:

 # 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

Zum Beispiel, um Kaolin 0,17.0 über Taschenlampe 2.0.1 und CUDA 11.8 zu installieren:

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

Über die neueste Version (0.17.0)

In dieser Version haben wir die Funktion von Sample_Points_in_Volume hinzugefügt, die zur "Verdichtung" von Gaußschen Splats verwendet werden. Dies kann zur Verbesserung der Physiksimulation verwendet werden.

Wir haben das Training und die Simulation des Physiks mit Nvidia Warp für einige unserer Funktionen weiter verbessert. Wir haben auch die Unterstützung für die Durchlässigkeit im GLTF -Lader hinzugefügt.


Ohne Verdichtung	Mit Verdacht

Überprüfen Sie unsere aktualisierten Tutorials:

Verwenden Sie die einfache API von Simplicit, um ein Netz zu simulieren
Interagieren Sie mit einer Physiksimulation
Verwenden Sie die vollständige API von Simplicit
Simulieren Sie einen Gaußschen Splat
Simulieren Sie eine Muskelaktivierung auf einem muskuloskelettalen Netz

Einzelheiten finden Sie unter Änderungsprotokolle.

Beitragen

Bitte überprüfen Sie unsere Beitragsrichtlinien.

Externe Projekte mit Kaolin

Nvidia Kaolin Wisp:
- Verwenden Sie eine Kamera -API, strukturierte Punktwolken und seine Rendering -Funktionen
GradSim: Differenzierbare Simulation für die Systemidentifizierung und die visuomotorische Kontrolle:
- Verwenden Sie DIB-R Rasterizer, OBJ Loader und Timelapse
Lernen, 3D-Objekte mit einem interpolationsbasierten differenzierbaren Renderer vorherzusagen:
- Verwenden Sie Kaolins DIB-R Rasterizer, Kamerafunktionen und Zeitraffer für 3D-Kontrollpunkte.
Neuronale geometrische Detailniveau: Echtzeit-Rendering mit impliziten 3D-Oberflächen:
- Verwenden Sie SPC-Konvertierungen und Strahlenverfolgung, wodurch 30-fache Speicher und 3x-Trainingszeit verkürzt werden.
Lernen deformierbarer tetraedrische Maschen für die 3D -Rekonstruktion:
- Verwenden Sie Kaolins FILTET VOLUMETRIC RELDERERER, Tetraedrale Verluste, Camera_funktionen, Netzbetreiber und Conversions, Shapenet -Datensatz, point_to_mesh_distance und Sided_distance.
Text2mesh:
- Verwenden Sie Kaolins Rendering -Funktionen, Kamerafunktionen und OBJ- und Off -Importeure.
Flexible Isosing-Extraktion für die Gradienten-Basis-Netzoptimierung (Flexicubes):
- Verwenden Sie die Flexicube -Klasse, OBJ Loader, Turntable Visualizer

Lizenzen

Der größte Teil des Kaolins Repository steht unter der Apache V2.0 -Lizenz, außer unter Kaolin/Non_Commercial, die unter NSCL -Lizenz für Forschungs- und Bewertungszwecke unter NSCL -Lizenz beschränkt ist. Beispielsweise ist die Flexicubes -Methode unter non_commercial enthalten.

Der Standard- kaolin -Import enthält Apache-lizenzierte Komponenten:

 import kaolin

Die nichtkommerziellen Komponenten müssen explizit importiert werden als:

 import kaolin.non_commercial

Zitat

Wenn Sie die Kaolin -Bibliothek für Ihre Recherche verwenden, zitieren Sie bitte:

 @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}}
}