Ferramentas de IA avaliadas para o seu trabalho
Ganhe treinando IA
🤝 Você está na biblioteca Grátis & Open Source — ferramentas feitas pela comunidade que você pode usar sem pagar. Um conceito diferente do nosso diretório de IA avaliado.
Início › Grátis & Open Source › Engenharia › torch-points3d
✦ Grátis & open sourceEngenharia

torch-points3d

Um framework PyTorch para tarefas de deep learning em nuvens de pontos 3D como segmentação, classificação e registro.

Framework modular de deep learning para análise de nuvem de pontos 3D

Construa, treine e faça benchmark de redes neurais de nuvem de pontos usando PyTorch Geometric e Facebook Hydra.

Grátis para sempre · source-available · Licence not stated in the repository
✓ Needs IT✓ No navegador✓ Colaboração em tempo real
7.3
ZEKAI
Essencial para engenheiros de IA 3D
Grátis & open source · Engenharia
Facilidade de configuração4
Utilidade8
Manutenção9.5
Comunidade7.5
★ 2,712
GITHUB
Oct 2026
ATUALIZADO
Licence not stated in the repository
LICENÇA
🛠 Não quer hospedar você mesmo? Nós configuramos para você →
⚡ Resposta rápida

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.

Funciona em
Cross-platform
Hospedagem
Self-host
Idiomas
Python
Licença
Licence not stated in the repository

O que é

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.

Para quem

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.

Recursos principais

Arquitetura de código baseada em tarefas

Organiza modelos e carregadores de conjuntos de dados em subpastas limpas para segmentação, classificação, registro, detecção de objetos e tarefas panópticas.

Suporte a arquitetura multi-modelo

Implementa arquiteturas 3D estabelecidas, incluindo PointNet, PointNet++, KPConv, RandLA-Net, RSConv e MinkowskiEngine.

Integração de configuração Hydra

Usa o Facebook Hydra para gerenciar configurações de experimentos, parâmetros de conjuntos de dados e hiperparâmetros de modelos de forma reprodutível.

Integração de conjuntos de dados de benchmark

Inclui manipulação integrada de conjuntos de dados para benchmarks 3D padrão, como ScanNet, S3DIS e ShapeNet.

Como começar

Pronto em 3 passos

1
Configure um ambiente de GPU com suporte a CUDA nativamente ou baixe a imagem Docker recomendada do PyTorch.
2
Instale o pacote principal usando pip install torch-points3d junto com PyTorch e PyTorch Geometric.
3
Configure seus parâmetros de modelo e conjunto de dados dentro do diretório conf e inicie o treinamento com train.py.
Falando sério

Nosso veredito honesto

Pontos fortes

  • Implementa uma ampla gama de modelos de nuvem de pontos 3D de última geração em uma API unificada
  • Configurado com o Facebook Hydra para gerenciamento modular de experimentos e reprodutibilidade
  • Suporta tarefas 3D principais, incluindo segmentação semântica, segmentação panóptica e detecção de objetos 3D
  • Fornece instruções de configuração do Docker pré-construídas para lidar com dependências complexas do PyTorch e CUDA

Onde deixa a desejar

  • Requer hardware de GPU dedicado com CUDA 10+ e backends de convolução esparsa especializados
  • Pilha de dependências complexa envolvendo PyTorch Geometric e etapas de compilação em C++ pode complicar a configuração
  • Falta uma interface gráfica de usuário, exigindo configuração pura em Python e CLI
  • Os metadados do repositório não declaram uma licença open source explícita
Custo

Preços & licença

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.

Trabalho remunerado

Vagas para quem fala português

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.

Ver todas as vagas abertas →
Comparar

Alternativas

🎁 Alternativas grátis & open source

Estas ferramentas de IA avaliadas fazem o mesmo trabalho na hora — do nosso diretório avaliado.

Saiba mais

Use, ou deixe que a gente configure

📄 PDF grátis: torch-points3d para Engenharia
Um guia em linguagem simples para o seu primeiro resultado. Enviado ao seu e-mail.
🔔 64 pessoas querem um tutorial em vídeo completo — adicione seu voto
🛠 Não quer configurar você mesmo?
Nós instalamos, hospedamos e configuramos o torch-points3d para você — e treinamos sua equipe.
Deixe com a gente ↗
Perguntas

FAQ

Quais tarefas de nuvem de pontos o torch-points3d suporta?

Ele suporta segmentação semântica 3D, classificação, segmentação de partes, detecção de objetos 3D, segmentação panóptica e registro de nuvem de pontos.

Quais conjuntos de dados de benchmark são suportados nativamente?

O framework inclui módulos de conjuntos de dados para ScanNet, S3DIS (em vários subformatos) e ShapeNet.

Preciso de uma GPU para rodar o torch-points3d?

Sim, hardware de GPU com CUDA 10 ou superior é necessário para um treinamento de modelo eficaz e operações de convolução esparsa.

Radar

Últimas notícias de IA

✉️ O kit gratuito semanal
As melhores novas ferramentas grátis & open source para Engenharia — um e-mail curto por semana, no seu idioma.
Grátis · 1 e-mail/semana · cancele quando quiser
Ganhe dinheiro treinando IA →

Veja o Zekai primeiro no Google