ดาวน์โหลด kaolin - ดาวน์โหลดซอร์สโค้ดดิน kaolin

kaolin

หลาม

v0.17.0

ดาวน์โหลด

Kaolin: ห้องสมุด Pytorch สำหรับเร่งการวิจัยการเรียนรู้ลึก 3 มิติ

ภาพรวม

ห้องสมุด Nvidia Kaolin ให้บริการ Pytorch API สำหรับการทำงานกับการเป็นตัวแทน 3 มิติที่หลากหลายและรวมถึงการเพิ่มขึ้นของการดำเนินการ GPU ที่ปรับให้เหมาะสมเช่นการแสดงผลที่แตกต่างกันแบบโมดู สมุดบันทึก Jupyter, คอนเทนเนอร์ตาข่ายที่สะดวกและอื่น ๆ เยี่ยมชมเอกสารประกอบห้องสมุด Kaolin เพื่อเริ่มต้น!

โปรดทราบว่าห้องสมุด Kaolin เป็นส่วนหนึ่งของความพยายามของ Nvidia Kaolin ที่มีขนาดใหญ่กว่าสำหรับการเรียนรู้ลึก 3 มิติ

การติดตั้งและเริ่มต้นใช้งาน

เริ่มต้นด้วย v0.12.0, ดินแดน Kaolin รองรับการติดตั้งด้วยล้อ:

 # 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

ตัวอย่างเช่นในการติดตั้ง Kaolin 0.17.0 ผ่าน Torch 2.0.1 และ 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

เกี่ยวกับรุ่นล่าสุด (0.17.0)

ในเวอร์ชันนี้เราได้เพิ่มฟังก์ชั่น sample_points_in_volume ที่ใช้สำหรับ "densifying" splats แบบเกาส์ซึ่งสามารถใช้เพื่อปรับปรุงการจำลองทางฟิสิกส์

เราปรับปรุงการฝึกอบรมทางฟิสิกส์และการจำลองโดยใช้ Nvidia Warp ในหน้าที่บางอย่างของเรา นอกจากนี้เรายังเพิ่มการสนับสนุนสำหรับการส่งผ่านในตัวโหลด GLTF


ไม่มีเครื่องชุ่มชื่น	ด้วย densifier

ตรวจสอบบทเรียนที่อัปเดตของเรา:

ใช้ API ง่าย ๆ ของ Simplicle เพื่อจำลองตาข่าย
โต้ตอบกับการจำลองฟิสิกส์
ใช้ API แบบเต็มคุณลักษณะของ Simplicle
จำลอง Splat แบบเกาส์เซียน
จำลองการเปิดใช้งานกล้ามเนื้อบนตาข่ายกล้ามเนื้อและกระดูก

ดูการเปลี่ยนแปลงบันทึกสำหรับรายละเอียด

การบริจาค

โปรดตรวจสอบแนวทางการบริจาคของเรา

โครงการภายนอกโดยใช้ดินขาว

Nvidia Kaolin Wisp:
- ใช้ API กล้อง, เมฆจุดที่มีโครงสร้างและความสามารถในการแสดงผล
Gradsim: การจำลองที่แตกต่างกันสำหรับการระบุระบบและการควบคุม visuomotor:
- ใช้ dib-r rasterizer, obj loader และ timelapse
เรียนรู้ที่จะทำนายวัตถุ 3 มิติด้วยการเรนเดอร์ที่มีความแตกต่างตามการแก้ไข:
- ใช้ DIB-R Rasterizer ของ Kaolin ฟังก์ชั่นกล้องและเวลาสำหรับจุดตรวจ 3 มิติ
ระดับเรขาคณิตของระบบประสาท: การเรนเดอร์เรียลไทม์กับพื้นผิว 3D โดยนัย:
- ใช้การแปลง SPC และการติดตามรังสีทำให้หน่วยความจำ 30 เท่าและการลดเวลาการฝึกอบรม 3x
การเรียนรู้ตาข่าย tetrahedral ที่เปลี่ยนรูปได้สำหรับการสร้าง 3 มิติ:
- ใช้การเรนเดอร์ปริมาตร deftet ของ Kaolin, การสูญเสีย tetrahedral, camera_functions, ตัวดำเนินการตาข่ายและการแปลง, ชุดข้อมูล shapenet, point_to_mesh_distance และ sided_distance
Text2mesh:
- ใช้ฟังก์ชั่นการเรนเดอร์ของ Kaolin ฟังก์ชั่นกล้องและ OBJ และผู้นำเข้า
การสกัด isosurface ที่ยืดหยุ่นสำหรับการเพิ่มประสิทธิภาพตาข่ายตามการไล่ระดับสี (flexicubes):
- ใช้คลาส Flexicube, OBJ Loader, Turntable Visualizer

ใบอนุญาต

พื้นที่เก็บข้อมูลส่วนใหญ่ของ Kaolin อยู่ภายใต้ใบอนุญาต Apache v2.0 ยกเว้นภายใต้ Kaolin/Non_commercial ซึ่งอยู่ภายใต้ใบอนุญาต NSCL ที่ จำกัด เฉพาะการใช้งานที่ไม่ใช่เชิงพาณิชย์เพื่อวัตถุประสงค์ในการวิจัยและประเมินผล ตัวอย่างเช่นวิธี Flexicubes รวมอยู่ใน non_commercial

การนำเข้า kaolin เริ่มต้นรวมถึงส่วนประกอบที่ได้รับอนุญาตจาก Apache:

 import kaolin

ส่วนประกอบที่ไม่ใช่เชิงพาณิชย์จำเป็นต้องนำเข้าอย่างชัดเจนเป็น:

 import kaolin.non_commercial

การอ้างอิง

หากคุณใช้ห้องสมุดดินขาวสำหรับการวิจัยของคุณโปรดอ้างอิง:

 @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}}
}