Diese Seite wurde von der Cloud Translation API übersetzt.
Switch to English

Differenzierbare Ebenen für Grafiken.

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)
In einem Notebook ausführen
TensorFlow Graphics zielt darauf ab, nützliche Grafikfunktionen für die Community allgemein zugänglich zu machen, indem eine Reihe differenzierbarer Grafikebenen (z. B. Kameras, Reflexionsmodelle, Netzfaltungen) und 3D-Viewer-Funktionen (z. B. 3D TensorBoard) bereitgestellt werden, die in Ihren maschinellen Lernmodellen von verwendet werden können Wahl.

In den letzten Jahren haben neuartige differenzierbare Grafikebenen zugenommen, die in neuronale Netzwerkarchitekturen eingefügt werden können. Von räumlichen Transformatoren bis hin zu differenzierbaren Grafik-Renderern nutzen diese neuen Ebenen das Wissen, das sie in jahrelanger Computer Vision- und Grafikforschung erworben haben, um neuartige und effizientere Netzwerkarchitekturen zu erstellen. Die explizite Modellierung geometrischer Prioritäten und Einschränkungen in maschinellen Lernmodellen öffnet die Tür zu Architekturen, die robust, effizient und vor allem selbstüberwacht trainiert werden können.

Weitere Informationen finden Sie in der detaillierten Übersicht , im Installationshandbuch und in der API .