Herramientas de IA puntuadas para tu trabajo
Gana entrenando IA
🤝 Estás en la biblioteca Gratis y Open Source — herramientas creadas por la comunidad que puedes usar sin pagar. Un concepto distinto a nuestro directorio de IA puntuado.
Inicio › Gratis y Open Source › Ingeniería › torch-points3d
✦ Gratis y open sourceIngeniería

torch-points3d

Un framework de PyTorch para tareas de deep learning en nubes de puntos 3D como segmentación, clasificación y registro.

Framework modular de deep learning para análisis de nubes de puntos 3D

Construye, entrena y evalúa redes neuronales de nubes de puntos utilizando PyTorch Geometric y Facebook Hydra.

Gratis para siempre · source-available · Licence not stated in the repository
✓ Needs IT✓ En el navegador✓ Colaboración en tiempo real
7.3
ZEKAI
Esencial para ingenieros de IA 3D
Gratis y open source · Ingeniería
Facilidad de configuración4
Utilidad8
Mantenimiento9.5
Comunidad7.5
★ 2,712
GITHUB
Oct 2026
ACTUALIZADO
Licence not stated in the repository
LICENCIA
🛠 ¿No quieres alojarlo tú mismo? Podemos configurarlo →
⚡ Respuesta rápida

torch-points3d es un framework de Python open source diseñado para ejecutar arquitecturas de redes neuronales avanzadas en conjuntos de datos de nubes de puntos 3D. Combina PyTorch Geometric y Facebook Hydra para ayudar a los equipos técnicos a entrenar modelos para detección, segmentación y registro de objetos 3D. Debes usarlo si necesitas una estructura de código modular para análisis espacial 3D.

Funciona en
Cross-platform
Alojamiento
Self-host
Idiomas
Python
Licencia
Licence not stated in the repository

Qué es

El framework unifica modelos populares de deep learning 3D —incluyendo PointNet++, KPConv, RandLA-Net y MinkowskiEngine— en una única base de código modular. Organiza conjuntos de datos y arquitecturas por tareas 3D específicas como segmentación panóptica, clasificación, detección de objetos y registro. Puedes ejecutar pipelines de entrenamiento o evaluación utilizando compatibilidad integrada para datasets de referencia como ScanNet, S3DIS y ShapeNet.

Para quién

Esta herramienta es ideal para ingenieros de machine learning e investigadores de visión 3D que analizan datos de escaneos LiDAR o fotogrametría para contextos de ingeniería y arquitectura. No está diseñada para usuarios no técnicos o quienes busquen una aplicación gráfica de modelado 3D. Los equipos sin hardware de GPU dedicado y experiencia en desarrollo en Python encontrarán la configuración compleja.

Funciones clave

Arquitectura de código basada en tareas

Organiza modelos y cargadores de datasets en subcarpetas limpias para tareas de segmentación, clasificación, registro, detección de objetos y segmentación panóptica.

Compatibilidad con arquitectura multimodelo

Implementa arquitecturas 3D establecidas que incluyen PointNet, PointNet++, KPConv, RandLA-Net, RSConv y MinkowskiEngine.

Integración de configuración de Hydra

Utiliza Facebook Hydra para gestionar de forma reproducible las configuraciones de experimentos, los parámetros de datasets y los hiperparámetros de los modelos.

Integración de datasets de referencia

Incluye gestión integrada de datasets para benchmarks 3D estándar como ScanNet, S3DIS y ShapeNet.

Cómo empezar

Listo en 3 pasos

1
Configura un entorno de GPU compatible con CUDA de forma nativa o descarga la imagen de Docker recomendada de PyTorch.
2
Instala el paquete principal usando pip install torch-points3d junto con PyTorch y PyTorch Geometric.
3
Configura los parámetros de tu modelo y dataset dentro del directorio conf e inicia el entrenamiento con train.py.
Sin rodeos

Nuestro veredicto honesto

Lo mejor

  • Implementa una amplia gama de modelos de nubes de puntos 3D de última generación en una API unificada
  • Configurado con Facebook Hydra para la gestión modular de experimentos y la reproducibilidad
  • Compatible con tareas clave 3D que incluyen segmentación semántica, segmentación panóptica y detección de objetos 3D
  • Proporciona instrucciones de configuración de Docker preconstruidas para gestionar dependencias complejas de PyTorch y CUDA

Sus límites

  • Requiere hardware de GPU dedicado con CUDA 10+ y backends especializados de convolución dispersa
  • Pila de dependencias compleja que involucra PyTorch Geometric y pasos de compilación en C++, lo cual puede complicar la configuración
  • Carece de interfaz gráfica de usuario, requiriendo configuración pura en Python y CLI
  • Los metadatos del repositorio no indican una licencia open source explícita
Costo

Precios y licencia

torch-points3d se puede descargar y usar de forma gratuita directamente desde GitHub. Los mantenedores no ofrecen niveles comerciales alojados, por lo que su costo principal será la infraestructura de cómputo de GPU requerida para el entrenamiento.

Trabajo remunerado

Empleos para hispanohablantes

877 puestos remotos abiertos de entrenamiento de IA, actualizados el 16 de noviembre de 2026; la mayoría paga $20–$175 por hora. 22 de ellos piden hispanohablantes. Zekai los lista gratis; la solicitud va a la plataforma del empleador.

Ver todos los puestos abiertos →
Comparar

Alternativas

🎁 Alternativas gratis y open source

Estas herramientas de IA evaluadas hacen el mismo trabajo al instante — de nuestro directorio puntuado.

Más

Úsalo, o deja que lo configuremos

📄 PDF gratis: torch-points3d para Ingeniería
Una guía en lenguaje claro para tu primer resultado. Enviada a tu correo.
🔔 64 personas quieren un tutorial en vídeo completo — añade tu voto
🛠 ¿No quieres configurarlo tú mismo?
Instalamos, alojamos y configuramos torch-points3d por ti — y formamos a tu equipo.
Que lo hagamos por ti ↗
Preguntas

FAQ

¿Qué tareas de nubes de puntos admite torch-points3d?

Admite segmentación semántica 3D, clasificación, segmentación de partes, detección de objetos 3D, segmentación panóptica y registro de nubes de puntos.

¿Qué datasets de referencia son compatibles de forma nativa?

El framework incluye módulos de dataset para ScanNet, S3DIS (en múltiples subformatos) y ShapeNet.

¿Necesito una GPU para ejecutar torch-points3d?

Sí, se requiere hardware de GPU con CUDA 10 o superior para un entrenamiento de modelos efectivo y operaciones de convolución dispersa.

Radar

Últimas noticias de IA

✉️ El kit gratuito semanal
Las mejores nuevas herramientas gratis y open source para Ingeniería — un correo corto por semana, en tu idioma.
Gratis · 1 correo/semana · cancela cuando quieras
Gana dinero entrenando IA →

Ve Zekai primero en Google