Um framework PyTorch para tarefas de deep learning em nuvens de pontos 3D como segmentação, classificação e registro.
Construa, treine e faça benchmark de redes neurais de nuvem de pontos usando PyTorch Geometric e Facebook Hydra.
torch-points3d é um framework Python open source projetado para rodar arquiteturas avançadas de redes neurais em conjuntos de dados de nuvens de pontos 3D. Ele combina PyTorch Geometric e Facebook Hydra para ajudar equipes técnicas a treinar modelos para detecção de objetos 3D, segmentação e registro. Você deve usá-lo se precisar de uma estrutura de código modular para análise espacial 3D.
O framework unifica modelos populares de deep learning 3D — incluindo PointNet++, KPConv, RandLA-Net e MinkowskiEngine — em uma única base de código modular. Ele organiza conjuntos de dados e arquiteturas por tarefas 3D específicas, como segmentação panóptica, classificação, detecção de objetos e registro. Você pode executar pipelines de treinamento ou avaliação usando suporte integrado para conjuntos de dados de benchmark como ScanNet, S3DIS e ShapeNet.
Esta ferramenta é adequada para engenheiros de machine learning e pesquisadores de visão 3D que analisam dados de escaneamento LiDAR ou fotogrametria para contextos de engenharia e arquitetura. Não foi projetada para usuários não técnicos ou para quem busca um aplicativo de modelagem 3D gráfica. Equipes sem hardware de GPU dedicado e experiência em desenvolvimento Python acharão a configuração desafiadora.
Organiza modelos e carregadores de conjuntos de dados em subpastas limpas para segmentação, classificação, registro, detecção de objetos e tarefas panópticas.
Implementa arquiteturas 3D estabelecidas, incluindo PointNet, PointNet++, KPConv, RandLA-Net, RSConv e MinkowskiEngine.
Usa o Facebook Hydra para gerenciar configurações de experimentos, parâmetros de conjuntos de dados e hiperparâmetros de modelos de forma reprodutível.
Inclui manipulação integrada de conjuntos de dados para benchmarks 3D padrão, como ScanNet, S3DIS e ShapeNet.
torch-points3d é gratuito para baixar e usar diretamente do GitHub. Não há camadas comerciais hospedadas fornecidas pelos mantenedores, portanto, seu principal custo será a infraestrutura de computação GPU necessária para o treinamento.
879 vagas remotas abertas de treinamento de IA, atualizadas em 15 de novembro de 2026; a maioria paga $20–$175 por hora. 8 delas pedem falantes de português. O Zekai lista de graça; a candidatura vai para a plataforma do empregador.
Estas ferramentas de IA avaliadas fazem o mesmo trabalho na hora — do nosso diretório avaliado.
Ele suporta segmentação semântica 3D, classificação, segmentação de partes, detecção de objetos 3D, segmentação panóptica e registro de nuvem de pontos.
O framework inclui módulos de conjuntos de dados para ScanNet, S3DIS (em vários subformatos) e ShapeNet.
Sim, hardware de GPU com CUDA 10 ou superior é necessário para um treinamento de modelo eficaz e operações de convolução esparsa.
Veja o Zekai primeiro no Google