NVIDIA通过Kaolin PyTorch库简化3D深度学习研究

3D计较机视觉和AI的研究事变像两个并排的摩天大楼一样飞速成长。可是，它们之间的间隔至今难以超过。为了补充这种鸿沟，NVIDIA本日宣布了Kaolin，只需几步，就可以将3D模子移着迷经收集规模。Kaolin可以简化为深度进修筹备3D模子的事变，从300行代码镌汰到只有5行。

3D模子规模正在发杀青长，Kaolin可以发生重大影响。在线存储库已经拥有很多3D数据集，这在必然水平上要归功于约莫3万万个可捕获3D图像的深度相机，而且此刻在环球范畴内，从尝试室到客堂都在行使。

伟大的3D数据集可以加载到呆板进修框架中，无论它们怎样暗示或泛起。这样的器材可以使呆板人，自动驾驶汽车，医学成像和假造实际等规模的研究职员受益。迄今为止，研究职员缺乏使这些模子可以与深度进修器材一路行使的精采器材，相反，他们被迫耗费大量时刻从新开始编写代码。

对付更普及的受众而言，Kaolin是一个支持各类风趣的3D应用措施的软件库。想象一下它可以将您的图片拍成3D模子，然后分享出去。

加快研究的界面

Kaolin的焦点是一组有用的几许函数，这些函数可以哄骗3D内容。它可以包装为PyTorch张量3D数据集，实现为多边形网格，点云，有标记间隔函数或体素网格。

研究职员可以将其3D数据集筹备好举办深度进修，然后从Kaolin提供的备选方案中选择一个神经收集模子。该界面提供了富厚的模子存储库，包罗模子和基本模子，可用于分类、支解、3D重建、超判别率等。

现实应用措施的一些示例

3D零件支解可自动辨认3D模子的差异部门，从而轻松为动画装配脚色或自界说模子以天生工具的变体。

它按照受过实习的神经收集识此外产物图像来构建3D模子。反过来，可以行使3D模子搜刮最得当的3D模子数据库。除了源代码，我们还将在风行的基准上宣布针对这些使命的预实习模子。我们但愿它们可以作为未来研究的基准，从而简化模子较量的事变。

Kaolin的模块化要领行使户轻松举办可区分的渲染，这是3D深度进修中的一项热点新技能。用户可以简朴地修改接口耗材的组件，而不必从新开始编写整个渲染器。

将AI与3D团结起来

NVIDIA的研究职员暗示：“我们在NVIDIA举办了大量的3D相干研究。偶然，我们偶然会花几天时刻赏识其他人编写的开源代码，以找出最佳要领，然后将其所有放入一个库中供内部行使。在为我们的几个项目编写样板代码之后，我们的一位演习生提议我们为PyTorch建设更全面的器材。一段时刻以来，研究职员已经拥有了用于2D图像的适用措施。一种合用于3D的技能可以扩大社区范畴。我们但愿它可以辅佐很多当前和新的3D研究职员行使AI缔造惊人的事物。

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!