FaceBook开源PyTorch3D

Torch3D 主要有三个值得注意的新特性，这些特性在 FaceBook 的博客中进行了介绍。

3D 网格数据的新格式：Meshes

由于三维网格包含顶点坐标以及面的索引这两者的集合，因此在批量处理不同尺寸的三维网格时会需要进行一些调整。为了解决这个问题，研究者们提出了 Meshes，一种在深度学习应用中可以批量处理异构网络的数据结构。
 

种数据结构使得研究人员很容易将底层的网格数据转换为合适的格式，从而让相应的算子能够匹配到最高效的数据表示。Pytorch3D 为用户提供了在不同的表示视图间高效切换的方法，同时还可以获得不同数据表示的属性，具有很好的灵活性。

对 3D 数据的高效处理

团队已经完成了部分工作，如优化一些常用运算符、优化三维数据的损失函数，以及支持异构批数据输入等。

这说明，用户可以在 Pytorch3D 中直接导入这些算子，以便于更快的进行实验。这些算子包括倒角损失（chamfer loss），它是一种用于比较两组点云的方法，可以用作三维网格的损失函数。开发团队还使用 CUDA 内核为这个损失函数创建了一个算力资源密集型的最近邻计算优化方法。

（编辑：衡水站长网）

【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!