12월 7일 Women in ML 심포지엄 참석 지금 등록

그래픽을 위한 미분 가능한 레이어.

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)
TensorFlow Graphics 는 다음의 기계 학습 모델에서 사용할 수 있는 일련의 차별화 가능한 그래픽 레이어(예: 카메라, 반사율 모델, 메쉬 컨볼루션) 및 3D 뷰어 기능(예: 3D TensorBoard)을 제공하여 커뮤니티에서 유용한 그래픽 기능에 널리 액세스할 수 있도록 하는 것을 목표로 합니다. 선택.

지난 몇 년 동안 신경망 아키텍처에 삽입할 수 있는 새로운 차별화 가능한 그래픽 레이어가 증가했습니다. 공간 변환기에서 차별화 가능한 그래픽 렌더러에 이르기까지 이 새로운 계층은 수년간의 컴퓨터 비전 및 그래픽 연구를 통해 얻은 지식을 활용하여 새롭고 더 효율적인 네트워크 아키텍처를 구축합니다. 기계 학습 모델에 기하학적 사전 및 제약 조건을 명시적으로 모델링하면 자체 감독 방식으로 강력하고 효율적이며 더 중요하게는 학습할 수 있는 아키텍처의 문이 열립니다.

시작하려면 자세한 개요 , 설치 안내서API 를 참조하십시오.