이 페이지는 Cloud Translation API를 통해 번역되었습니다.
Switch to English

메시 플러그인

개요

메시 및 포인트 클라우드는 3D 모양을 나타 내기위한 중요하고 강력한 유형의 데이터이며 컴퓨터 비전 및 컴퓨터 그래픽 분야에서 널리 연구됩니다. 3D 데이터가 점점 보편화되고 있으며 연구원들은 2D 데이터에서 3D 지오메트리 재구성, 3D 포인트 클라우드 의미 론적 분할, 3D 객체 정렬 또는 변형 등과 같은 새로운 문제에 도전하고 있습니다. 따라서 특히 훈련 단계에서 결과를 시각화하는 것이 모델의 성능을 더 잘 이해하는 데 중요합니다.

텐서 보드의 메시 플러그인 {width = "100 %"}

이 플러그인은 TensorBoard에 3D 포인트 클라우드 또는 메쉬 (삼각형 포인트 클라우드)를 표시합니다. 또한 사용자가 렌더링 된 객체와 상호 작용할 수 있습니다.

요약 API

메쉬 또는 점 구름은 텐서 세트로 나타낼 수 있습니다. 예를 들어, 포인트 클라우드를 포인트의 3D 좌표와 각 포인트와 관련된 일부 색상으로 볼 수 있습니다.

 from tensorboard.plugins.mesh import summary as mesh_summary
...

point_cloud = tf.constant([[[0.19, 0.78, 0.02], ...]], shape=[1, 1064, 3])
point_colors = tf.constant([[[128, 104, 227], ...]], shape=[1, 1064, 3])

summary = mesh_summary.op('point_cloud', vertices=point_cloud, colors=point_colors)
 

참고이 경우 colors 텐서는 선택 사항이지만 점의 다른 의미를 표시하는 데 유용 할 수 있습니다.

플러그인은 현재면의 존재에 의해서만 위의 포인트 클라우드와 다른 삼각형 메시 만 지원합니다. 메시의 삼각형을 나타내는 정점 세트입니다.

 mesh = tf.constant([[[0.19, 0.78, 0.02], ...]], shape=[1, 1064, 3])
colors = tf.constant([[[128, 104, 227], ...]], shape=[1, 1064, 3])
faces = tf.constant([[[13, 78, 54], ...]], shape=[1, 752, 3])

summary = mesh_summary.op('mesh', vertices=mesh, colors=colors, faces=faces)
 

메쉬 요약에는 colors 텐서 만 옵션입니다.

장면 구성

객체가 표시되는 방법은 장면 구성, 즉 광원의 강도와 색상, 객체의 재질, 카메라 모델 등에 따라 다릅니다. 이 모든 것은 추가 매개 변수 config_dict 를 통해 구성 할 수 있습니다. 이 사전에는 camera , lightsmaterial 세 가지 고급 키가 포함될 수 있습니다. 각 키는 유효한 THREE.js 클래스 이름을 나타내는 필수 키 cls 가있는 사전이어야합니다.

 camera_config = {'cls': 'PerspectiveCamera'}
summary = mesh_summary.op(
    "mesh",
    vertices=mesh,
    colors=colors,
    faces=faces,
    config_dict={"camera": camera_config},
)
 

camera_config 에 따라 확장 할 수 있습니다 위의 예제 코드 three.js를 문서 . camera_config 모든 키는 이름이 camera_config.cls 클래스로 전달됩니다. 예를 들어 ( PerspectiveCamera 문서를 기반으로) :

 camera_config = {
  'cls': 'PerspectiveCamera',
  'fov': 75,
  'aspect': 0.9,
}
...
 

장면 구성은 학습 가능한 변수가 아니며 (정적) 요약 작성시에만 제공되어야합니다.

설치하는 방법

현재 플러그인은 TensorBoard 야간 빌드의 일부이므로 플러그인을 사용하기 전에 설치해야합니다.

콜랩

pip install -q -U tb-nightly

그런 다음 터미널에서하는 것과 비슷한 방법으로 Tensorboard 확장을로드하고 실행하십시오.

 %load_ext tensorboard
%tensorboard --logdir=/path/to/logs
 

자세한 내용은 예시 Colab 노트북 을 참조하십시오.

단말기

로컬에서 TensorBoard 야간 빌드를 실행하려면 먼저 설치해야합니다.

 pip install tf-nightly
 

그런 다음 실행하십시오.

 tensorboard --logdir path/to/logs