在这个项目中,我们提出了一个新的神经网络层,它对任意维度的基于单纯形网格的几何信号(例如,点云、线网格、三角网格、四面体网格、多边形和多面体)执行可微光栅化。我们进一步提供了将 DDSL 结合到神经网络中以执行多边形图像分割和神经形状优化(用于 MNIST 数字和机翼)等任务的示例。
我们的深度学习代码库是使用Python 3 中的PyTorch 1.0以及Numpy等标准 Python 包编写的。PyTorch 版本 > 1.0 是必需的。
[hidecontent type="logged" desc="隐藏内容:登录后可查看"]
我们提供了一种高效的基于 PyTorch 的 DDSL 实现。API 的详细文档可以在ddsl/ddsl.py中找到。有关使用 DDSL 实现对给定输入网格进行栅格化的示例,请参阅文件夹示例中的 jupyter 笔记本。
要复制论文中的实验,请参考实验文件夹中的代码。每个实验的详细说明可以在相应的目录中找到。
此代码库包含以下两个项目的代码。DDSL 层是较早论文中概述的层的可微分版本。
[/hidecontent]