Un framework de PyTorch para tareas de deep learning en nubes de puntos 3D como segmentación, clasificación y registro.
Construye, entrena y evalúa redes neuronales de nubes de puntos utilizando PyTorch Geometric y Facebook Hydra.
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.
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.
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.
Organiza modelos y cargadores de datasets en subcarpetas limpias para tareas de segmentación, clasificación, registro, detección de objetos y segmentación panóptica.
Implementa arquitecturas 3D establecidas que incluyen PointNet, PointNet++, KPConv, RandLA-Net, RSConv y MinkowskiEngine.
Utiliza Facebook Hydra para gestionar de forma reproducible las configuraciones de experimentos, los parámetros de datasets y los hiperparámetros de los modelos.
Incluye gestión integrada de datasets para benchmarks 3D estándar como ScanNet, S3DIS y ShapeNet.
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.
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.
Estas herramientas de IA evaluadas hacen el mismo trabajo al instante — de nuestro directorio puntuado.
Admite segmentación semántica 3D, clasificación, segmentación de partes, detección de objetos 3D, segmentación panóptica y registro de nubes de puntos.
El framework incluye módulos de dataset para ScanNet, S3DIS (en múltiples subformatos) y ShapeNet.
Sí, se requiere hardware de GPU con CUDA 10 o superior para un entrenamiento de modelos efectivo y operaciones de convolución dispersa.
Ve Zekai primero en Google