2 Repos
Pipelines for calculating camera poses and spatial orientations from raw visual inputs for 3D reconstruction.
Distinct from Data Preprocessing Pipelines: Distinct from Data Preprocessing Pipelines: specifically focuses on 3D spatial and camera pose calculation for neural reconstruction, not general ML data cleaning.
Explore 2 awesome GitHub repositories matching data & databases · 3D Spatial Preprocessing. Refine with filters or upvote what's useful.
Nerfstudio ist ein modulares Entwicklungs-Framework zum Trainieren, Visualisieren und Exportieren dreidimensionaler Szenendarstellungen, die aus zweidimensionalen Bilddatensätzen abgeleitet wurden. Es bietet eine neuronale Szenenrekonstruktions-Pipeline, die Rohbilder und Kameradaten in hochauflösende 3D-Assets und filmische Videos unter Verwendung eines differenzierbaren volumetrischen Renderers umwandelt. Das System verfügt über einen interaktiven webbasierten Visualisierer, der es Nutzern ermöglicht, den Trainingsfortschritt zu überwachen und die neuronale Szenengeometrie in Echtzeit zu inspizieren. Es entkoppelt neuronale Netzwerkarchitekturen von der Trainingsschleife durch eine standardisierte modulare Schnittstelle, was die Entwicklung und das Experimentieren mit benutzerdefinierten neuronalen Strahlungsfeldarchitekturen ermöglicht. Das Framework deckt ein breites Spektrum an Fähigkeiten ab, einschließlich der Vorverarbeitung von Datensätzen für die Kamerapositionsberechnung, der Bewertung der Modelltreue und der Generierung filmischer Videosequenzen durch Kameratrajektorien-Interpolation. Es enthält zudem Dienstprogramme zum Exportieren trainierter Szenen als 3D-Assets und Punktwolken zur Verwendung in externer Modellierungssoftware. Eine konsistente Hardwareausführung wird durch containerisierte Umgebungen unterstützt, die Grafiktreiber und Systemabhängigkeiten bündeln.
Provides pipelines for calculating camera poses and spatial orientations from raw visual inputs.
Kaolin ist eine PyTorch-3D-Deep-Learning-Bibliothek, die eine umfassende Suite an Tools für 3D-Geometrieverarbeitung, Physiksimulation, Datenvisualisierung und gradientenbasiertes Rendering für Computer Vision bereitstellt. Die Bibliothek enthält einen differenzierbaren 3D-Renderer und ein Toolkit zur Geometrieverarbeitung für die Konvertierung und Transformation von 3D-Repräsentationen wie Meshes und Punktwolken. Sie verfügt zudem über eine 3D-Physiksimulations-Engine zur Berechnung physikalischer Interaktionen und Kollisionen zwischen dreidimensionalen Objekten und Szenen. Das Toolkit bietet Utilities für die 3D-Datenvisualisierung, einschließlich der Erstellung interaktiver Ansichten und Turntable-Animationen. Zusätzliche Funktionen decken das 3D-Datenmanagement, die Datenvorverarbeitung und das Rendering von 3D-Repräsentationen ab.
Implements 3D spatial preprocessing pipelines to transform data formats for improved deep learning training speed.