ウクライナを支援 🇺🇦 ウクライナへの人道支援の提供を支援する。

3D データを使用したディープラーニング用のライブラリ

ドキュメント
チュートリアル
開始

ヘテロジニアスバッチ処理

メッシュなどの異なるサイズの 3D 入力のバッチ処理をサポート

高速 3D オペレーター

3D データでよく使われる複数の共通関数の最適化された実装をサポート

微分可能レンダリング

PyTorch、C++、CUDA で並列実装されたモジュール式微分可能レンダリング API

開始

  1. PyTorch3D のインストール （こちらの手順に従う）
  2. 3D オペレーターをいくつか試す たとえば、2 つのメッシュ間のチェンファー損失を計算する場合
    from pytorch3d.utils import ico_sphere
from pytorch3d.io import load_obj
from pytorch3d.structures import Meshes
from pytorch3d.ops import sample_points_from_meshes
from pytorch3d.loss import chamfer_distance

# Use an ico_sphere mesh and load a mesh from an .obj e.g. model.obj
sphere_mesh = ico_sphere(level=3)
verts, faces, _ = load_obj("model.obj")
test_mesh = Meshes(verts=[verts], faces=[faces.verts_idx])

# Differentiably sample 5k points from the surface of each mesh and then compute the loss.
sample_sphere = sample_points_from_meshes(sphere_mesh, 5000)
sample_test = sample_points_from_meshes(test_mesh, 5000)
loss_chamfer, _ = chamfer_distance(sample_sphere, sample_test)