pytorch 图像分割的交并比_图像转换3D模型只需5行代码，英伟达推出3D深度学习工具Kaolin...

机器之心报道 参与：杜伟

近年来，3D 计算机视觉和人工智能两个领域都取得了飞快的发展，但二者之间如何实现有效的结合还有很长的路要走。基于此，英伟达于今日推出了 Kaolin PyTorch 库，借助于这个库，只需几步即可将 3D 模型迁移至神经网络的应用范畴。

此外，Kaolin 库还可以大大降低为深度学习准备 3D 模型的工作量，代码可由 300 行锐 减到仅仅 5 行。 作为一个旨在加速 3D 深度学习研究的 PyTorch 库，Kaolin 为用于深度学习系统中的可微 3D 模块提供了高效的实现。 Kaolin 不仅能够加载和预处理流行的 3D 数据集，而且具有操作网格、点云、符号距离函数和体素栅格(voxel grid)的本地功能，因而可以减少编写不必要的样本代码。 Kaolin 库包含渲染(rendering)、高光(lighting)、暗影(shading)和视图合成(view warping)等几种不同的图形模块。 此外，Kaolin 库还支持一系列用于无缝衔接评价(seamless evaluation)的损失函数和评价度量，并提供可视化功能来渲染 3D 效果。 重要的是，英伟达创建了包含诸多当前最优 3D 深度学习架构的 model zoo，从而作为未来研究的起点。 此类工具可以使得机器人、自动驾驶、医学成像和虚拟现实等诸多领域的研究者获益。 随着人们对 3D 模型的兴趣日益高涨，英伟达的 Kaolin 库可以在该领域产生重大影响。 在线存储库(repo)现已拥有很多 3D 数据集，这在一定程度上得益于世界各地所使用的、能够捕获 3D 图像的约 3000 万个深度摄像头。

GitHub 地址：https://github.com/NVIDIAGameWorks/kaolin/

那么 Kaolin 库的具体展示效果是怎样的呢？ 英伟达给出了以下几个实际应用示例：

在 3D 场景中，通过分类功能来识别对象(图中识别出了椅子)。

3D 组件分割功能可以自动识别 3D 模型的不同组件，这使得「装备」动画角色或自定义模型以生成对象变体更加容易(图左的 3D 模型在图右穿上了衣服、鞋子等)。

图像到 3D(Image to 3D)功能可以根据训练的神经网络识别出的图像来构建 3D 模型(图右生成了椅子的 3D 模型)。 目前，英伟达推出的 beta 版 Kaolin 库包含几项处理功能，用于网格、体素、符号距离函数和点云上的 3D 深度学习。 加载的几个流行的数据集(如 ShapeNet、ModelNet 和 SHREC)支持开箱即用。 此外，英伟达还实现了几种 3D 迁移和转换操作。 Kaolin 库支持的 3D 任务如下：

• 可微渲染器(神经网格渲染器、软光栅化器(Soft Rasterizer)、基于可微插值的渲染器以及模块化和可扩展的抽象可微渲染器规范)；

• 基于单张图像的网格重建(如 Pixel2Mesh、GEOMetrics、OccupancyNets 等)；

• 点云分类和分割(PointNet、PoinNet++、DGCNN 等)；

• 网格分类和分割；

• 体素栅格的 3D 超分辨；

• 基本的图像处理(如高光、暗影等)。

Kaolin 库的安装与使用 支持的平台 Kaolin 已经获得了 Linux 平台的官方支持，并已在 Ubuntu 18 上进行构建和测试。 Windows 和 Mac 平台上也应考虑展开试验性的支持。 安装步骤 英伟达推荐用户在虚拟环境中安装 Kaolin 库(如利用 conda 或 virtualenv 创建的虚拟环境)。 Kaolin 要求 Python 版本在 3.6 以上，并且目前在构建时需要启用 CUDA 的机器(即需要安装 nvcc)。 首先创建一个虚拟环境。 下例展示了如何为创建安装 Kaolin 库所需要的 conda 虚拟环境：

$ conda create --name kaolin python=3.6 $ conda activate kaolin

接着安装相关依赖(numpy 和 torch)。 注意，设置文件并不能自动安装这两种依赖。

conda install numpy

然后安装 Pytorch，这样就可以安装 Kaolin 库了。 最后根据 repo 的根目录(即包含 README 文件的目录)，运行：

$ python setup.py install

在安装过程中，packman 包管理器将 nv-usd 包下载到~/packman-repo/中，后者包含阅读和编写通用场景描述(Universal Scene Description,USD)文件的必要包。 验证安装 为了验证是否安装完成 Kaolin 库，用户可以启动 python 解释器，并执行以下命令：

>>>import kaolin as kal>>> print(kal.__version)

创建文档 为深入研究 Kaolin 库，用户可以创建文档。 根据 repo 的根目录(即包含 README 文件的目录)，执行以下命令：

$ cd docs $ sphinx-build . _build

运行单元测试 为运行单元测试，用户可根据 repo 的根目录(即包含 README 文件的目录)执行以下命令：

$ pytest tests/

Kaolin 库的主要功能模块 repo： 支持的 3D 资产表征包括三角网格、四边形网格、体素栅格、点云和符号距离函数； 转换： 支持所有流行 3D 表征的转换； 实现的模型包括：

• DGCNN (https://arxiv.org/abs/1801.07829v1)

• DIB-R (https://arxiv.org/abs/1908.01210)

• GEOMetrics (https://arxiv.org/abs/1901.11461)

• Image2Mesh (https://arxiv.org/abs/1711.10669)

• Occupancy Network (https://arxiv.org/abs/1812.03828)

• Pixel2Mesh (https://arxiv.org/abs/1804.01654)

• PointNet (https://arxiv.org/abs/1612.00593)

• PointNet++ (https://arxiv.org/abs/1706.02413)

• MeshEncoder: A simple mesh encoder architecture.

• GraphResNet: MeshEncoder with residual connections.

• OccupancyNetworks (https://arxiv.org/abs/1812.03828)

• 其他

图形： 库为构建可微渲染器提供了灵活的模块化框架，使得单个组件易于实现替换。 此外，Kaolin 库还提供了以下可微渲染器的实现：

• DIB-R (https://arxiv.org/abs/1908.01210)

• SoftRas (https://arxiv.org/abs/1904.01786)

• Neural 3D Mesh Renderer (https://arxiv.org/abs/1711.07566)

度量：实现的度量和损失函数如下：

• Mesh: Triangle Distance, Chamfer Distance, Edge Length regularization, Laplacian regularization, Point to Surface distance, Normal consistency

• Point Cloud: Sided Distance, Chamfer Distance, Directed Distance

• Voxel Grid: Intersection Over Union (3D IoU), F-Score

参考链接： https://news.developer.nvidia.com/kaolin-library-research-3d/?ncid=so-twit-97892#cid=nr01_so-twit_en-us 机器之心「SOTA模型」：22大领域、127个任务，机器学习 SOTA 研究一网打尽。