Unduh kaolin - Unduh Kode Sumber kaolin

kaolin

ular piton

v0.17.0

Unduh

Kaolin: Perpustakaan Pytorch untuk mempercepat penelitian pembelajaran mendalam 3D

Ringkasan

Perpustakaan Nvidia Kaolin menyediakan API Pytorch untuk bekerja dengan beragam representasi 3D dan mencakup kumpulan operasi yang dioptimalkan GPU seperti rendering modular yang dapat diferensiasi, konversi cepat antara representasi, pemuatan data, sperican 3D yang dapat dikurangi, pencahayaan yang dapat diferensiasi dengan spherical-spherical, spherical, spherical, sphericy, sphericy, Visualisator untuk Jupyter Notebooks, wadah mesh batch yang nyaman dan banyak lagi. Kunjungi dokumentasi Perpustakaan Kaolin untuk memulai!

Perhatikan bahwa Perpustakaan Kaolin adalah bagian dari upaya Nvidia Kaolin yang lebih besar untuk pembelajaran mendalam 3D.

Instalasi dan memulai

Dimulai dengan V0.12.0, Kaolin mendukung instalasi dengan roda:

 # 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

Misalnya, untuk memasang kaolin 0.17.0 di atas obor 2.0.1 dan 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

Tentang rilis terbaru (0.17.0)

Dalam versi ini kami menambahkan Fungsi Sample_Points_in_volume yang digunakan untuk "memuaskan" percikan Gaussian, ini dapat digunakan untuk meningkatkan simulasi fisika.

Kami lebih lanjut meningkatkan pelatihan fisika dan simulasi menggunakan NVIDIA WARP pada beberapa fungsi kami. Kami juga menambahkan dukungan untuk transmitansi di GLTF Loader.


Tanpa padufier	Dengan padufier

Periksa tutorial kami yang diperbarui:

Gunakan API mudah Simplisit untuk mensimulasikan mesh
Berinteraksi dengan simulasi fisika
Gunakan API Full-Feature Simplicit
Mensimulasikan gaussian splat
Mensimulasikan aktivasi otot pada mesh muskuloskeletal

Lihat Ubah Log untuk detailnya.

Berkontribusi

Harap tinjau pedoman kontribusi kami.

Proyek Eksternal Menggunakan Kaolin

Nvidia kaolin wisp:
- Gunakan API kamera, awan titik terstruktur dan kemampuan renderingnya
GradSim: Simulasi yang dapat dibedakan untuk identifikasi sistem dan kontrol visuomotor:
- Gunakan rasterizer DIB-R, OBJ Loader dan Timelapse
Belajar memprediksi objek 3D dengan renderer yang dapat dibedakan berbasis interpolasi:
- Gunakan rasterizer DIB-R Kaolin, fungsi kamera, dan timelapse untuk pos pemeriksaan 3D.
Tingkat detail geometris saraf: rendering real-time dengan permukaan 3D implisit:
- Gunakan konversi SPC dan penelusuran ray, menghasilkan memori 30x dan pengurangan waktu pelatihan 3X.
Belajar jerat tetrahedral yang dapat cacat untuk rekonstruksi 3D:
- Gunakan renderer volumetrik DEFTET Kaolin, kehilangan tetrahedral, kamera_functions, operator dan konversi mesh, dataset Shapenet, point_to_mesh_distance dan sided_distance.
Text2Mesh:
- Gunakan fungsi rendering Kaolin, fungsi kamera, dan obj dan importir off.
Ekstraksi iSosurface yang fleksibel untuk optimasi mesh berbasis gradien (Flexicubes):
- Gunakan kelas Flexicube, OBJ Loader, Turntable Visualizer

Lisensi

Sebagian besar repositori Kaolin berada di bawah lisensi Apache v2.0, kecuali di bawah kaolin/non_commersial yang berada di bawah lisensi NSCL terbatas pada penggunaan non komersial untuk tujuan penelitian dan evaluasi. Misalnya, metode Flexicubes disertakan di bawah non_commersial.

Impor kaolin default mencakup komponen berlisensi apache:

 import kaolin

Komponen non-komersial perlu diimpor secara eksplisit sebagai:

 import kaolin.non_commercial

Kutipan

Jika Anda menggunakan Perpustakaan Kaolin untuk penelitian Anda, silakan kutip:

 @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}}
}