Un framework PyTorch pour les tâches d'apprentissage profond sur des nuages de points 3D tels que la segmentation, la classification et le calage.
Construisez, entraînez et évaluez des réseaux de neurones pour nuages de points à l'aide de PyTorch Geometric et de Facebook Hydra.
torch-points3d est un framework Python open source conçu pour exécuter des architectures de réseaux de neurones avancées sur des jeux de données de nuages de points 3D. Il combine PyTorch Geometric et Facebook Hydra pour aider les équipes techniques à entraîner des modèles de détection d'objets, de segmentation et de calage en 3D. Vous devriez l'utiliser si vous avez besoin d'une structure de code modulaire pour l'analyse spatiale 3D.
Le framework unifie des modèles d'apprentissage profond 3D populaires — notamment PointNet++, KPConv, RandLA-Net et MinkowskiEngine — dans une base de code unique et modulaire. Il organise les jeux de données et les architectures par tâches 3D spécifiques telles que la segmentation panoptique, la classification, la détection d'objets et le calage. Vous pouvez exécuter des pipelines d'entraînement ou d'évaluation grâce au support intégré pour les jeux de données de référence comme ScanNet, S3DIS et ShapeNet.
Cet outil convient aux ingénieurs en apprentissage automatique et aux chercheurs en vision 3D qui analysent des données de balayage LiDAR ou photogrammétriques pour des contextes d'ingénierie et d'architecture. Il n'est pas conçu pour les utilisateurs non techniques ou ceux qui recherchent une application de modélisation 3D graphique. Les équipes ne disposant pas de matériel GPU dédié et d'une expérience en développement Python trouveront la configuration difficile.
Organise les modèles et les chargeurs de jeux de données dans des sous-dossiers propres pour la segmentation, la classification, le calage, la détection d'objets et les tâches panoptiques.
Implémente des architectures 3D établies, notamment PointNet, PointNet++, KPConv, RandLA-Net, RSConv et MinkowskiEngine.
Utilise Facebook Hydra pour gérer de manière reproductible les configurations d'expériences, les paramètres des jeux de données et les hyperparamètres des modèles.
Comprend la gestion intégrée des jeux de données pour les standards 3D tels que ScanNet, S3DIS et ShapeNet.
torch-points3d est téléchargeable et utilisable gratuitement directement depuis GitHub. Il n'y a pas de niveaux hébergés commerciaux fournis par les mainteneurs, votre principal coût sera donc l'infrastructure de calcul GPU requise pour l'entraînement.
877 missions ouvertes à distance en entraînement d’IA, mises à jour le 16 novembre 2026 ; la plupart paient $20–$175 de l’heure. 8 d’entre elles demandent des francophones. Zekai les liste gratuitement ; la candidature se fait sur la plateforme de l’employeur.
Ces outils IA évalués font le même travail instantanément — depuis notre annuaire noté.
Il prend en charge la segmentation sémantique 3D, la classification, la segmentation de parties, la détection d'objets 3D, la segmentation panoptique et le calage de nuages de points.
Le framework comprend des modules de jeux de données pour ScanNet, S3DIS (en plusieurs sous-formats) et ShapeNet.
Oui, un matériel GPU avec CUDA 10 ou supérieur est requis pour un entraînement efficace des modèles et des opérations de convolution creuse.
Voir Zekai en premier dans Google