Inicio Proyectos torch-points3d
torch-points3d
Python

torch-points3d

Framework de Pytorch para hacer aprendizaje profundo en nubes de puntos.

por torch-points3d · GitHub
Estrellas
Ramas
Creado
Último commit
Categoría
Lenguaje
deep-learningkpconvminkowskienginePython
Ver en GitHub
En palabras simples

Analiza y construye modelos para datos de nubes de puntos 3D utilizando técnicas de aprendizaje profundo.

¿Mantienes este proyecto?

Reivindica su pagina: indexada sea cual sea su posicion, traducida a seis idiomas y enriquecida con tus propias palabras.

Reivindicar esta pagina →
torch-points3d — GitHub preview card
📈 Historial de estrellas
2 7042 702
2026-07-072026-08-31
📈 Sigue torch-points3d

Recibe una alerta por correo en su próximo lanzamiento o cuando despegue — no te pierdas nada.

Gratis · sin tarjeta · cancela cuando quieras
Recibir alertas por email →
📄 Acerca de

Framework de Pytorch para hacer aprendizaje profundo en nubes de puntos.

torch-points3d tiene 2.7k estrellas en GitHub. Se ha bifurcado 407 veces. torch-points3d está escrito principalmente en Python. Se desarrolla activamente desde 2019. Sus temas principales son: deep-learning, kpconv, minkowskiengine, point-cloud.

Frequently asked questions

¿Qué es torch-points3d?

Framework de Pytorch para hacer aprendizaje profundo en nubes de puntos.

¿torch-points3d es de código abierto?

torch-points3d es un proyecto de código abierto.

¿torch-points3d es gratis?

Sí. torch-points3d es gratuito y de código abierto: puedes usarlo, modificarlo y alojarlo tú mismo.

¿En qué lenguaje está escrito torch-points3d?

torch-points3d está escrito principalmente en Python.

🏅 ¿Mantenedor de este proyecto?
olud.ai badge — torch-points3d

Agrega este distintivo en vivo a tu README — tus estrellas de GitHub y rango en el directorio, actualizados diariamente.

[![olud.ai](https://olud.ai/badge.php?tool=torch-points3d-torch-points3d)](https://olud.ai/project/torch-points3d-torch-points3d.html)
Más opciones de distintivos →
🧬 Comparte ADN con🧬 Ver el mapa de ADN →

Medido a partir de los topics de GitHub comunes a ambos proyectos, ponderados por su rareza.