graphics

graphics

深度学习与计算机图形学的融合框架

TensorFlow Graphics是一个融合深度学习与计算机图形学的开源框架。它提供可微分的图形和几何层,包括相机模型、反射模型、空间变换和网格卷积等,同时支持3D可视化。这些工具可用于开发和优化3D视觉任务的机器学习模型,如物体姿态估计、材质分析和语义分割。该框架致力于帮助研究人员和开发者更高效地解决复杂的3D视觉问题。

TensorFlow Graphics计算机图形学机器学习神经网络3D视觉Github开源项目

TensorFlow Graphics

许可证 构建 代码覆盖率 PyPI项目状态 支持的Python版本 PyPI发布版本 下载量

近年来,可微分图形层在神经网络架构中的应用日益增多。从空间变换器到可微分图形渲染器,这些新型层利用了多年来计算机视觉和图形研究积累的知识,构建了更新颖、更高效的网络架构。将几何先验和约束明确地建模到神经网络中,为构建可靠、高效且更重要的是可自监督训练的架构打开了大门。

概述

从高层次来看,计算机图形管线需要3D对象及其在场景中的绝对位置表示、对象材质描述、光源和相机。然后渲染器会解析这些场景描述,生成合成渲染图像。

<div align="center"> <img border="0" src="https://yellow-cdn.veclightyear.com/835a84d5/96b017d3-7502-4362-b756-c1d19c435c04.jpg" width="600"> </div>

相比之下,计算机视觉系统会从图像开始,尝试推断场景参数。这允许预测场景中的对象、它们的材质以及三维位置和方向。

<div align="center"> <img border="0" src="https://yellow-cdn.veclightyear.com/835a84d5/7419c56e-4fcc-402a-be9b-a132979e7170.jpg" width="600"> </div>

训练能够解决这些复杂3D视觉任务的机器学习系统通常需要大量数据。由于数据标注是一个昂贵且复杂的过程,设计能够理解三维世界而无需太多监督的机器学习模型变得尤为重要。结合计算机视觉和计算机图形技术为利用大量现成的未标注数据提供了独特机会。如下图所示,这可以通过分析合成的方法实现,其中视觉系统提取场景参数,图形系统基于这些参数渲染图像。如果渲染图像与原始图像匹配,则说明视觉系统准确提取了场景参数。在这种设置中,计算机视觉和计算机图形相辅相成,形成了类似自编码器的单一机器学习系统,可以以自监督的方式进行训练。

<div align="center"> <img border="0" src="https://yellow-cdn.veclightyear.com/835a84d5/14ae2649-7c7c-41a1-bd95-152a78e78add.jpg" width="600"> </div>

Tensorflow Graphics的开发旨在帮助解决这些类型的挑战。为此,它提供了一系列可微分的图形和几何层(如相机、反射模型、空间变换、网格卷积)以及3D查看器功能(如3D TensorBoard),这些可用于训练和调试您选择的机器学习模型。

安装TensorFlow Graphics

有关如何安装TensorFlow Graphics的说明,请参阅安装文档。

API文档

您可以在这里找到API文档。

兼容性

TensorFlow Graphics完全兼容最新的稳定版TensorFlow、tf-nightly和tf-nightly-2.0-preview。所有函数都兼容图执行和即时执行模式。

调试

Tensorflow Graphics大量依赖L2归一化张量,并且特定函数的输入需要在预定义范围内。检查这些条件需要计算资源,因此默认情况下不会激活。建议在训练的几个周期内打开这些检查,以确保一切按预期运行。此页面提供了启用这些检查的说明。

Colab教程

为了帮助您开始使用TF Graphics提供的一些功能,以下是一些Colab笔记本,大致按难度排序。这些Colab涵盖了广泛的主题,包括物体姿态估计、插值、物体材质、光照、非刚性表面变形、球谐函数和网格卷积。

注意:这些教程得到精心维护。但是,它们不被视为API的一部分,可能随时更改而不另行通知。不建议编写依赖于它们的代码。

初级

<div align="center"> <table> <tr> <th style="text-align:center"><a href="https://colab.research.google.com/github/tensorflow/graphics/blob/master/tensorflow_graphics/notebooks/6dof_alignment.ipynb">物体姿态估计</a></th> <th style="text-align:center"><a href="https://colab.research.google.com/github/tensorflow/graphics/blob/master/tensorflow_graphics/notebooks/intrinsics_optimization.ipynb">相机内参优化</a></th> </tr> <tr> <td align="center"> <a href="https://colab.research.google.com/github/tensorflow/graphics/blob/master/tensorflow_graphics/notebooks/6dof_alignment.ipynb"><img border="0" src="https://yellow-cdn.veclightyear.com/835a84d5/98cc0be7-a982-4786-8bb0-e9866ebedbed.jpg" width="200" height="200"> </a> </td> <td align="center"> <a href="https://colab.research.google.com/github/tensorflow/graphics/blob/master/tensorflow_graphics/notebooks/intrinsics_optimization.ipynb"><img border="0" src="https://yellow-cdn.veclightyear.com/835a84d5/270cce17-72a9-44b8-a157-73744dc7aba7.png" width="200" height="200"> </a> </td> </tr> </table> </div>

中级

<div align="center"> <table> <tr> <th style="text-align:center"><a href="https://colab.research.google.com/github/tensorflow/graphics/blob/master/tensorflow_graphics/notebooks/interpolation.ipynb">B样条和球面线性插值</a></th> <th style="text-align:center"><a href="https://colab.research.google.com/github/tensorflow/graphics/blob/master/tensorflow_graphics/notebooks/reflectance.ipynb">反射率</a></th> <th style="text-align:center"><a href="https://colab.research.google.com/github/tensorflow/graphics/blob/master/tensorflow_graphics/notebooks/non_rigid_deformation.ipynb">非刚性表面变形</a></th> </tr> <tr> <td align="center"><a href="https://colab.research.google.com/github/tensorflow/graphics/blob/master/tensorflow_graphics/notebooks/interpolation.ipynb"><img border="0" src="https://yellow-cdn.veclightyear.com/835a84d5/5decd593-317b-4b1a-bc06-4a79c53f6e22.png" width="200" height="200"> </td> <td align="center"><a href="https://colab.research.google.com/github/tensorflow/graphics/blob/master/tensorflow_graphics/notebooks/reflectance.ipynb"><img border="0" src="https://yellow-cdn.veclightyear.com/835a84d5/849ba2a8-1a46-4aef-ac58-96631b51ec91.png" width="200" height="200"></td> <td align="center"><a href="https://colab.research.google.com/github/tensorflow/graphics/blob/master/tensorflow_graphics/notebooks/non_rigid_deformation.ipynb"><img border="0" src="https://yellow-cdn.veclightyear.com/835a84d5/23f471fc-d17d-4c8c-bc21-ae5817a09bae.jpg" width="200" height="200"> </a></td> </tr> </table> </div>

高级

<div align="center"> <table> <tr> <th style="text-align:center"><a href="https://colab.research.google.com/github/tensorflow/graphics/blob/master/tensorflow_graphics/notebooks/spherical_harmonics_approximation.ipynb">球谐函数渲染</a></th> <th style="text-align:center"><a href="https://colab.research.google.com/github/tensorflow/graphics/blob/master/tensorflow_graphics/notebooks/spherical_harmonics_optimization.ipynb">环境贴图优化</a></th> <th style="text-align:center"><a href="https://colab.research.google.com/github/tensorflow/graphics/blob/master/tensorflow_graphics/notebooks/mesh_segmentation_demo.ipynb">语义网格分割</a></th> </tr> <tr> <td align="center"><a href="https://colab.research.google.com/github/tensorflow/graphics/blob/master/tensorflow_graphics/notebooks/spherical_harmonics_approximation.ipynb"><img border="0" src="https://yellow-cdn.veclightyear.com/835a84d5/7744ce2b-605e-4f28-bfda-0a07d1e565de.png" width="200" height="200"> </a></td> <td align="center"><a href="https://colab.research.google.com/github/tensorflow/graphics/blob/master/tensorflow_graphics/notebooks/spherical_harmonics_optimization.ipynb"><img border="0" src="https://yellow-cdn.veclightyear.com/835a84d5/2467ad8a-2681-4390-9bea-31c75c881850.png" width="200" height="200"> </a></td> <td align="center"><a href="https://colab.research.google.com/github/tensorflow/graphics/blob/master/tensorflow_graphics/notebooks/mesh_segmentation_demo.ipynb"><img border="0" src="https://yellow-cdn.veclightyear.com/835a84d5/895ff9eb-18d2-4b9c-9b8b-844f162332c9.jpg" width="200" height="200"> </a></td> </tr> </table> </div>

TensorBoard 3D

可视化调试是评估实验是否朝着正确方向发展的好方法。为此,TensorFlow Graphics附带了一个TensorBoard插件,可以交互式地可视化3D网格和点云。此演示展示了如何使用该插件。按照这些说明安装和配置TensorBoard 3D。请注意,TensorBoard 3D当前与即时执行和TensorFlow 2不兼容。

<div align="center"> <img border="0" src="https://yellow-cdn.veclightyear.com/835a84d5/5ef2d4a5-b63e-4229-af75-c5b6ab909070.jpg" width="1280"> </div>

即将推出...

除了许多其他功能外,我们希望发布重采样器、额外的3D卷积和池化运算符以及可微分光栅化器!

关注我们的Twitter以了解最新更新!

附加信息

您可以根据Apache 2.0许可证使用此软件。

社区

作为TensorFlow的一部分,我们致力于培养开放和友好的环境。

参考文献

如果您在研究中使用TensorFlow Graphics,请引用它:

@inproceedings{TensorflowGraphicsIO2019,
   author = {Oztireli, Cengiz and Valentin, Julien and Keskin, Cem and Pidlypenskyi, Pavel and Makadia, Ameesh and Sud, Avneesh and Bouaziz, Sofien},
   title = {TensorFlow Graphics: Computer Graphics Meets Deep Learning},
   year = {2019}
}

联系方式

想要联系我们?请发送电子邮件至tf-graphics-contact@google.com

贡献者 - 按字母顺序排列

  • Sofien Bouaziz (sofien@google.com)
  • Jay Busch
  • Forrester Cole
  • Ambrus Csaszar
  • Boyang Deng
  • Ariel Gordon
  • Christian Häne
  • Cem Keskin
  • Ameesh Makadia
  • Cengiz Öztireli
  • Rohit Pandey
  • Romain Prévost
  • Pavel Pidlypenskyi
  • Stefan Popov
  • Konstantinos Rematas
  • Omar Sanseviero
  • Aviv Segal
  • Avneesh Sud
  • Andrea Tagliasacchi
  • Anastasia Tkach
  • Julien Valentin
  • He Wang
  • Yinda Zhang

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多