【点云论文速递】一款优秀的三维深度学习Pytorch库——Kaolin

今天为大家介绍一篇11月13号发表在arxiv上的论文：

Kaolin: A PyTorch Library for Accelerating 3D Deep Learning Research

文章链接：

https://arxiv.org/abs/1911.05063

作者是来自NVIDIA的Krishna Murthy J.

作者提出了一个旨在加速3D深度学习研究的PyTorch库——Kaolin。Kaolin这个名字来自于kaolinite，中文意思是高岭石，亦称“高岭土”、“瓷土”，是一种黏土矿物，有时会在三维建模中用到。

Kaolin实现了多种可用于3D深度学习的模块。具有加载和预处理常用3D数据集的功能，包括ShapeNet、PartNet、SHREC、ModelNet、ScanNet和HumanSeg等。调用起来也是非常的方便，以ModelNet为例，代码是：

Kaolin库可用于处理网格（meshes）、点云（pointclouds）、符号距离函数（signed distance functions）和体素网格（voxel grids）等各类3D数据，从而可以减轻研究人员重复编写代码造轮子的需要。

Kaolin将几种图形学模块打包在一起，包括渲染、照明、阴影和视图变形等，非常实用。

此外，Kaolin还支持一系列损失函数和评估指标以进行无缝评估，并提供可视化功能来渲染3D结果。

重要的是，作者还构建了一个综合的网络模型库，其中包括许多最先进的3D深度学习架构，可以在研究中用到。可以看到这里包括了大家很熟悉的一些网络架构，比如PointNet++。

使用起来也是非常的方便。

并且，这个库里实现的网络版本，要比原版本网络运行速度快，例如以下几种网络：

Kaolin的开源代码链接：

https://github.com/NVIDIAGameWorks/kaolin/.

感兴趣的同学可以多多关注这个库，下载来玩一玩。