12 月 7 日の Women in ML シンポジウムに参加する今すぐ登録する
コレクションでコンテンツを整理 必要に応じて、コンテンツの保存と分類を行います。

グラフィック用の微分可能なレイヤー。

import numpy as np
import tensorflow as tf
import trimesh

import tensorflow_graphics.geometry.transformation as tfg_transformation
from tensorflow_graphics.notebooks import threejs_visualization

# Download the mesh.
!wget https://storage.googleapis.com/tensorflow-graphics/notebooks/index/cow.obj
# Load the mesh.
mesh = trimesh.load("cow.obj")
mesh = {"vertices": mesh.vertices, "faces": mesh.faces}
# Visualize the original mesh.
threejs_visualization.triangular_mesh_renderer(mesh, width=400, height=400)
# Set the axis and angle parameters.
axis = np.array((0., 1., 0.))  # y axis.
angle = np.array((np.pi / 4.,))  # 45 degree angle.
# Rotate the mesh.
mesh["vertices"] = tfg_transformation.axis_angle.rotate(mesh["vertices"], axis,
                                                        angle).numpy()
# Visualize the rotated mesh.
threejs_visualization.triangular_mesh_renderer(mesh, width=400, height=400)
ノートブックで実行
TensorFlow Graphicsは、一連の微分可能なグラフィックス レイヤー (カメラ、反射率モデル、メッシュ畳み込みなど) と 3D ビューア機能 (3D TensorBoard など) を提供することで、有用なグラフィックス機能をコミュニティが広く利用できるようにすることを目的としています。選択。

ここ数年、ニューラル ネットワーク アーキテクチャに挿入できる新しい微分可能なグラフィックス レイヤーが増加しています。空間トランスフォーマーから微分可能なグラフィックス レンダラーまで、これらの新しいレイヤーは、長年にわたるコンピューター ビジョンとグラフィックス研究で得られた知識を活用して、斬新でより効率的なネットワーク アーキテクチャを構築します。幾何学的な事前確率と制約を機械学習モデルに明示的にモデル化することで、堅牢かつ効率的に、さらに重要なことに、自己監視型の方法でトレーニングできるアーキテクチャへの扉が開かれます。

開始するには、詳細な概要インストール ガイド、およびAPIを参照してください。