MeshCNN下载MeshCNN源代码下载

MeshCNN

Python

1.0.0

下载

Pytorch中的Meshcnn

Siggraph 2019 [Paper] [项目页面]

Meshcnn是用于3D三角网格的通用深神经网络，可用于3D形状分类或分割等任务。该框架包括直接应用于网格边缘的卷积，合并和不化层。

该代码是由Rana Hanocka和Amir Hertz在Noa Fish的支持下撰写的。

入门

安装

克隆这个仓库：

git clone https://github.com/ranahanocka/MeshCNN.git
cd MeshCNN

安装依赖项：Pytorch版本1.2。可选：用于训练图的TensorboardX。
- 通过新的conda环境conda env create -f environment.yml 。

SHREC上的3D形状分类

下载数据集

bash ./scripts/shrec/get_data.sh

运行训练（如果使用Conda Env首次激活Env，EG source activate meshcnn ）

bash ./scripts/shrec/train.sh

要查看训练损失图，在另一个终端运行tensorboard --logdir runs ，然后单击http：// localhost：6006。

运行测试并导出中间合并网格：

bash ./scripts/shrec/test.sh

可视化网络学习的边缘崩溃：

bash ./scripts/shrec/view.sh

网眼崩溃的一个例子：

请注意，您还可以使用bash ./scripts/shrec/get_pretrained.sh获得预训练的权重。

为了使用预训练的权重，运行train.sh将计算并保存培训数据的平均 /标准偏差。

人类的3D形状细分

与上面相同，要下载数据集 /运行火车 /获得预估计 /运行测试 /视图

bash ./scripts/human_seg/get_data.sh
bash ./scripts/human_seg/train.sh
bash ./scripts/human_seg/get_pretrained.sh
bash ./scripts/human_seg/test.sh
bash ./scripts/human_seg/view.sh

一些细分结果示例：

附加数据集

在scripts/coseg_seg和scripts/cubes中的Cubes分类中，Coseg分割也存在相同的脚本。

其他实现

Point2Mesh Tensorflow重新进化，还包含Meshcnn
MedMeshcnn，处理170K边缘的网格

引用

如果您发现此代码有用，请考虑引用我们的论文

 @article{hanocka2019meshcnn,
  title={MeshCNN: A Network with an Edge},
  author={Hanocka, Rana and Hertz, Amir and Fish, Noa and Giryes, Raja and Fleishman, Shachar and Cohen-Or, Daniel},
  journal={ACM Transactions on Graphics (TOG)},
  volume={38},
  number={4},
  pages = {90:1--90:12},
  year={2019},
  publisher={ACM}
}