Kaolin:3Dディープラーニング用のPyTorchライブラリ

NVIDIAから3D系のディープラーニング研究のためのPyTorchライブラリが公開された。
まだベータ版だから、これからどんどん充実していくんでしょうね。読み方はカオリンで良いのかな?(なんかかわいい)

Kaolin



Kaolinは3Dディープラーニングの研究を加速させるためのPyTorchライブラリです。Kaolinは、ディープラーニングシステムで使用できる微分可能な3Dモジュールを効率的な実装で提供します。
Kaolinには一般的な公開3Dデータセットの読み込みと前処理を行ったり、メッシュ、点群、符号付き距離関数、ボクセルグリッドを操作するネイティブ関数があり、無駄な定型コードの記述を最小限に抑えています。Kaolinは、レンダリング、ライティング、シェーディング、view warpingなどの微分可能なグラフィックスモジュールをパッケージ化しています。また、Kaolinは一連の損失関数と評価指標をサポートすることでシームレスな評価を可能とし、3Dの結果をレンダリングする可視化機能も提供します。

最も重視しているのは、最先端の様々な3Dディープラーニングアーキテクチャを集めた包括的なModel Zooをキュレートし、将来の研究活動の出発点に立つ手助けとなることです。

ドキュメントのページがまだ作成されていないのか404だけど。

NVIDIAの公式ブログ↓
https://news.developer.nvidia.com/kaolin-library-research-3d/
https://blogs.nvidia.co.jp/2019/11/27/kaolin-library-research-3d/

Kaolinって名前は造形用粘土のKaolinite(カオリナイト)が由来なのね。


スポンサーリンク


ベータ版の時点で何ができるのか。


スポンサーリンク

機能



現在、(ベータ版)リリースには、メッシュ、ボクセル、符号付き距離関数、点群での3Dディープラーニングのための処理関数が含まれています。
一般的なデータセット(例:ShapeNet, ModelNet, SHRECなど)の読み込みもすぐにサポートされます。また、いくつかの3D変換および変換操作を実装します。

Kaolinは以下のような3Dタスクをサポートします:

  • Differentiable rendering (see Neural Mesh Renderer, its PyTorch port, Soft Rasterizer, Differentiable Interpolation-based Renderer, and a modular and extensible abstract DifferentiableRenderer specification).
  • Single-image based mesh reconstruction (Pixel2Mesh, GEOMetrics, OccupancyNets, and more…)
  • Pointcloud classification and segmentation (PointNet, PoinNet++, DGCNN, …)
  • Mesh classification and segmentation (MeshCNN, GCN)
  • 3D superresolution on voxel grids (ODM, VoxelUNet, and more…)
  • Basic graphics utilities (lighting, shading, etc.)

Model Zoo

Kaolinは、一般的な3Dディープラーニングアーキテクチャのリファレンス実装を含む大規模なModel Zooをキュレーションします。詳しくはこちらでご確認ください。

https://note.com/npaka/m/m85457421b99f

TensorFlowを使うならTensorFlow Graphicsがあるけど、PyTorch派ならKaolinだろうか。



あ、Siggraph 2019で発表されて話題になったMeshCNNのモデルもKaolinに含まれてるんですね。

MeshCNN: A Network with an Edge [SIGGRAPH 2019]

MeshCNNのコードもPyTorchで実装されてるからまあ、すでに割と手軽ではあるんだけど。
https://github.com/ranahanocka/MeshCNN/


スポンサーリンク

関連記事

OpenMVSのサンプルを動かしてみる
ニューラルネットワークで画像分類
SDカードサイズのコンピューター『Intel Edison』
実写と実写の合成時の色の馴染ませテクニック
色んな三面図があるサイト
機械学習での「回帰」とは?
書籍『ゼロから作るDeep Learning』で自分なりに学ぶ
ディープラーニング
OpenMayaRender
日立のフルパララックス立体ディスプレイ
ラクガキの立体化
ゴジラ(2014)のディティール制作の舞台裏
C++ 標準テンプレートライブラリ (STL)
Javaで作られたオープンソースの3DCGレンダラ『Sunflow』
デスクトップPCを新調した!
動的なメモリの扱い
機械学習で遊ぶ
Google App Engineのデプロイ失敗
書籍『イラストで学ぶ ディープラーニング』
AmazonEC2のインスタンスをt1.microからt2.microへ移行する
白組による『シン・ゴジラ』CGメイキング映像が公開された!
Windows10でPyTorchをインストールしてVSCodeで使う
Open Shading Language (OSL)
OpenCV 3.1のsfmモジュールのビルド再び
Blender 2.8がついに正式リリース!
UnityのGameObjectの向きをScriptで制御する
Deep Fluids:流体シミュレーションをディープラーニングで近似する
写真から3Dメッシュの生成・編集ができる無料ツール『Autodesk Memento』
ポリゴン用各種イテレータと関数セット
『ローグ・ワン/スター・ウォーズ・ストーリー』のVFXブレイクダウン まとめ
機械学習について最近知った情報
UnrealCV:コンピュータビジョン研究のためのUnreal Engineプラグイン
オープンソースのStructure from Motionツール『Regard3D』
OpenCV 3.1から追加されたSfMモジュール
Model View Controller
ブログのデザイン変えました
RefineNet (Multi-Path Refinement Network):ディープラーニン...
Konashiを買った
ZBrushでUndo Historyを動画に書き出す
ジュラシック・パークのメイキング
ドットインストールのWordPress入門レッスン
Pythonのベイズ統計ライブラリ『PyMC』

コメント