Awesome GitHub RepositoriesGeometric Deep Learning Frameworks

DGL is a Python library for building and training graph neural networks. It functions as a graph message passing framework and a geometric deep learning tool, enabling the development of models that analyze graph-structured data. The library is designed for large-scale graph processing, utilizing distributed training and neighbor sampling to handle datasets with billions of edges. It provides specialized support for heterogeneous graph modeling, allowing for the representation of complex real-world entities with multiple node and edge types. Its capabilities cover a wide range of graph tasks

PyTorch3D is a 3D geometric deep learning library and mesh processing toolkit designed for learning from point clouds and complex 3D surface geometries. It provides a collection of reusable components and data structures for deep learning with 3D data, including a framework for training and evaluating neural radiance fields to enable photorealistic view synthesis. The project features a differentiable 3D renderer that converts meshes and point clouds into 2D images while allowing gradients to flow back into the geometry and textures. This enables 3D shape optimization, where mesh geometry, te

PCDet هو صندوق أدوات لاكتشاف الكائنات ثلاثية الأبعاد باستخدام LiDAR ومكتبة لمعالجة سحابة النقاط مبنية على إطار عمل التعلم العميق PyTorch. يوفر نظاماً لتحديد وتحديد مواقع الكائنات ثلاثية الأبعاد داخل بيانات سحابة النقاط. يستخدم المشروع نمط فصل البيانات عن النموذج لفك اقتران منطق تحميل مجموعة البيانات عن خط أنابيب الاكتشاف الأساسي. يتميز بخط أنابيب لدمج أجهزة استشعار متعددة يجمع البيانات من مصادر مختلفة في عرض مكاني مشترك، ونظام تدريب موزع على GPU لتوسيع نطاق أحمال العمل عبر معالجات رسومية متعددة. تغطي مجموعة الأدوات العديد من مجالات القدرات، بما في ذلك استخراج الميزات القائم على الفوكسل (voxel-based) وتحليل سحابة النقاط الزمني من خلال دمج إطارات متعددة. كما يتضمن تحسينات للأداء لتقاطع الاتحاد ثلاثي الأبعاد المسرع بواسطة GPU وقمع الحد الأقصى غير الدوار.

graph_nets هو إطار عمل ومكتبة للتعلم العميق ذي الهيكل الرسومي لبناء شبكات عصبية لتمرير الرسائل. يوفر أدوات لتصميم معماريات تعمل على العقد والحواف لمعالجة البيانات المهيكلة كرسوم بيانية والتفكير فيها باستخدام TensorFlow. ينفذ إطار العمل نموذج تمرير الرسائل لتبادل المعلومات التكراري بين العقد. يُمكّن هذا النهج من تطوير نماذج يمكنها التفكير في المدخلات المعقدة ذات الهيكل الرسومي لمهام مثل إيجاد المسار والفرز، أو العمل كمتنبئ للحالات والمسارات المستقبلية للأنظمة الفيزيائية.

SpatialLM هو إطار عمل للنمذجة المكانية يستخدم نماذج لغوية كبيرة لتحويل بيانات الفيديو أحادي العين وبيانات المستشعرات إلى خرائط داخلية دلالية مهيكلة. يعمل النظام كأداة لتقدير التصميم الداخلي ومحلل دلالي لسحب النقاط، حيث يحول البيانات الهندسية الخام إلى تمثيلات للعناصر المعمارية وفئات الكائنات. يُنسق المشروع بين مدخلات المستشعرات متعددة الوسائط والرموز اللغوية، مما يسمح للنموذج اللغوي بالعمل كمحرك استنتاجي لاستنباط طوبولوجيا الغرف. يستخدم آليات لتحويل سحب النقاط ثلاثية الأبعاد وتسلسلات الصور ثنائية الأبعاد إلى رموز منفصلة وترميزات مكانية مهيكلة، والتي يتم فك تشفيرها لاحقاً إلى تخطيطات معمارية. يغطي إطار العمل تحليل المشاهد ثلاثية الأبعاد واكتشاف الكائنات لتحديد الأثاث عبر مربعات الإحاطة والتصنيفات الدلالية. كما يوفر أدوات لفهم البيئة للروبوتات، حيث يعالج بيانات المستشعرات لإنشاء خرائط دلالية للملاحة الذاتية.

This project is a technical reference guide and sensor-based robotics manual focused on the theoretical foundations and practical implementation of Simultaneous Localization and Mapping. It serves as a knowledge base for spatial AI, covering the integration of deep learning and semantic rendering to create intelligent systems for open world environments. The resource provides guidance on integrating multi-modal sensor data from cameras, LiDAR, radar, and inertial sensors for localization and mapping. It also establishes a bibliographic standard for robotics research by providing systems for m

PointNet++ is a deep learning framework designed for processing and classifying 3D point cloud data. It utilizes a hierarchical feature learning architecture to extract geometric patterns from sampled 3D point sets. The framework implements a variety of 3D analysis tools, including a point cloud classifier for categorizing objects based on spatial coordinates and surface normals, a semantic scene segmenter for labeling surfaces in large-scale environments, and a tool for 3D object part segmentation. The system covers a broad range of capabilities including geometric feature extraction, 3D da