Awesome GitHub RepositoriesCustom Point Cloud Dataset Training

MMDetection3D is an open-source toolbox for 3D perception, providing a unified framework for detecting and segmenting objects in three-dimensional environments. It supports a range of core tasks including monocular 3D object detection from single camera images, LiDAR-based 3D object detection from raw point clouds, and multi-modal fusion that combines camera images with LiDAR data. The toolbox also covers point cloud semantic segmentation, assigning class labels to every point in a scan for scene understanding. The project distinguishes itself through a config-driven pipeline that orchestrate

Torchtune is a PyTorch-native library for fine-tuning, aligning, and quantizing large language models. It provides a config-driven system for instantiating components, orchestrating distributed training, and managing parameter-efficient fine-tuning with quantization support, all through YAML-based configurations and command-line overrides. The library distinguishes itself through its comprehensive post-training workflow orchestration, combining supervised fine-tuning, preference optimization (DPO, PPO, GRPO), knowledge distillation, and quantization-aware training in a single configurable pip

PCDet est une boîte à outils de détection d'objets 3D par LiDAR et une bibliothèque de traitement de nuages de points construite sur le framework de deep learning PyTorch. Il fournit un système pour identifier et localiser des objets tridimensionnels au sein de données de nuages de points. Le projet utilise un modèle de séparation données-modèle pour découpler la logique de chargement des jeux de données du pipeline de détection principal. Il dispose d'un pipeline de fusion multi-capteurs qui combine les données de plusieurs capteurs dans une vue spatiale partagée, ainsi qu'un système d'entraînement GPU distribué pour mettre à l'échelle les charges de travail sur plusieurs processeurs graphiques. La boîte à outils couvre plusieurs domaines de capacités, notamment l'extraction de caractéristiques basée sur les voxels et l'analyse temporelle de nuages de points via la fusion multi-images. Elle intègre également des optimisations de performance pour l'intersection sur union 3D accélérée par GPU et la suppression des non-maxima orientée.