Des outils IA notés pour votre métier
Missions IA payées
🤝 Vous êtes dans la bibliothèque Libre & Open Source — des outils communautaires utilisables sans payer. Un concept différent de notre annuaire IA noté.
Accueil › Libre & Open Source › Ingénierie › torch-points3d
✦ Libre & open sourceIngénierie

torch-points3d

Un framework PyTorch pour les tâches d'apprentissage profond sur des nuages de points 3D tels que la segmentation, la classification et le calage.

Framework modulaire d'apprentissage profond pour l'analyse de nuages de points 3D

Construisez, entraînez et évaluez des réseaux de neurones pour nuages de points à l'aide de PyTorch Geometric et de Facebook Hydra.

Gratuit pour toujours · source-available · Licence not stated in the repository
✓ Needs IT✓ Dans le navigateur✓ Collaboration en temps réel
7.3
ZEKAI
Indispensable pour les ingénieurs en IA 3D
Libre & open source · Ingénierie
Facilité d'installation4
Utilité8
Maintenance9.5
Communauté7.5
★ 2,712
GITHUB
Oct 2026
MIS À JOUR
Licence not stated in the repository
LICENCE
🛠 Pas envie de l'héberger vous-même ? Nous pouvons l'installer →
⚡ Réponse rapide

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.

Fonctionne sur
Cross-platform
Hébergement
Self-host
Langues
Python
Licence
Licence not stated in the repository

Qu'est-ce que c'est

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.

Pour qui

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.

Fonctionnalités clés

Architecture de code basée sur les tâches

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.

Prise en charge de l'architecture multi-modèle

Implémente des architectures 3D établies, notamment PointNet, PointNet++, KPConv, RandLA-Net, RSConv et MinkowskiEngine.

Intégration de la configuration Hydra

Utilise Facebook Hydra pour gérer de manière reproductible les configurations d'expériences, les paramètres des jeux de données et les hyperparamètres des modèles.

Intégration de jeux de données de référence

Comprend la gestion intégrée des jeux de données pour les standards 3D tels que ScanNet, S3DIS et ShapeNet.

Comment démarrer

Opérationnel en 3 étapes

1
Configurez un environnement GPU compatible CUDA de manière native ou récupérez l'image Docker PyTorch recommandée.
2
Installez le package principal à l'aide de pip install torch-points3d aux côtés de PyTorch et PyTorch Geometric.
3
Configurez les paramètres de votre modèle et de votre jeu de données dans le répertoire conf et lancez l'entraînement avec train.py.
Franchement

Notre verdict honnête

Ses atouts

  • Implémente un large éventail de modèles de nuages de points 3D de pointe dans une API unifiée
  • Configuré avec Facebook Hydra pour une gestion modulaire des expériences et la reproductibilité
  • Prend en charge les tâches 3D clés, notamment la segmentation sémantique, la segmentation panoptique et la détection d'objets 3D
  • Fournit des instructions de configuration Docker pré-construites pour gérer les dépendances complexes PyTorch et CUDA

Ses limites

  • Nécessite un matériel GPU dédié avec CUDA 10+ et des backends de convolution creuse spécialisés
  • Pile de dépendances complexe impliquant PyTorch Geometric et des étapes de compilation C++ qui peuvent compliquer la configuration
  • Absence d'interface graphique, nécessitant du code Python pur et une configuration en CLI
  • Les métadonnées du dépôt ne mentionnent pas de licence open source explicite
Coût

Tarifs & licence

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.

Travail rémunéré

Missions pour francophones

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.

Voir tous les postes ouverts →
Comparer

Alternatives

🎁 Alternatives libres & open source

Ces outils IA évalués font le même travail instantanément — depuis notre annuaire noté.

Pour aller plus loin

Utilisez-le, ou laissez-nous l'installer

📄 PDF gratuit : torch-points3d pour Ingénierie
Un guide simple pour obtenir votre premier résultat. Envoyé dans votre boîte mail.
🔔 64 personnes veulent un tutoriel vidéo complet — ajoutez votre vote
🛠 Pas envie de l'installer vous-même ?
Nous installons, hébergeons et configurons torch-points3d pour vous — et formons votre équipe.
Confiez-nous l'installation ↗
Questions

FAQ

Quelles tâches de nuages de points torch-points3d prend-il en charge ?

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.

Quels jeux de données de référence sont pris en charge nativement ?

Le framework comprend des modules de jeux de données pour ScanNet, S3DIS (en plusieurs sous-formats) et ShapeNet.

Ai-je besoin d'un GPU pour exécuter torch-points3d ?

Oui, un matériel GPU avec CUDA 10 ou supérieur est requis pour un entraînement efficace des modèles et des opérations de convolution creuse.

Radar

Dernières actus IA

✉️ La boîte à outils gratuite hebdo
Les meilleurs nouveaux outils libres & open source pour Ingénierie — un court e-mail par semaine, dans votre langue.
Gratuit · 1 e-mail/semaine · désabonnement à tout moment
Soyez payé pour entraîner l’IA →

Voir Zekai en premier dans Google