Padding mesh data
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 4/5
- Tiempo estimado
- 3-5 días
- Aptitud para principiantes
- 25/100
- Tipo de issue
- Error
- Claridad
- Necesita aclaración
- Estado de actividad
- Estancado
- Stack tecnológico
- python, tensorflow
Línea de trabajo
Comienza con el código de segmentación de mallas y el cuaderno de Colab/IPython mencionados en el issue, y luego sigue cómo entran en la red los arrays personalizados de vértices y caras. Reproduce el caso de un conjunto de datos rellenado con ceros y compara el comportamiento del renderizado y del entrenamiento con el de una malla sin relleno; se considera terminado cuando haya un enfoque de padding documentado que renderice correctamente y permita que la red aprenda.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
I am trying to train the mesh segmentation code here in tensorflow graphics with my own dataset. My dataset has some meshes with varying vertex count and edge count. I tried to zero-pad the vertices and faces array for each mesh so that all the meshes in my dataset will have the same number of vertices and faces.
However, I am running into issue of
- not able to view the mesh from the colab ipython notebook. (My vertices are between 0 and 1, so I know without padding I can view them)
- Since the padding for faces did not allow any negative values (pytorch3d sets the padding value for faces to be -1 and I believe here I have to pad it with 0), I had to pad the faces with a 0 which obviously pointed to the first vertex in the list.
Can you someone clearly point a way to pad custom mesh datasets and feed it into the network. An example to do this is very much appreciated. Thanks in advance
NOTE: The network is training with this zero padded dataset, but not really learning anything.
- Lenguaje dominante
- Python
- Estrellas
- 2.8k
- Forks
- 374
- Merge medio
- 5 d 9 h
- PR fusionados (30 d)
- 1
Preparar el entorno
- Sin Dockerfile ni archivo de Docker Compose
- Sin plantilla de pull request
- Leer la guía de contribución
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de tensorflow/graphics
-
Dificultad 1/5 Menos de una hora Aptitud para principiantes 62/100
tensorflow/graphics#468 ·
-
Missing TFRecord Generation Script/Instructions for projects/points_to_3Dobjects (CVPR 2021)Abierto
Dificultad 5/5 Más de una semana Aptitud para principiantes 25/100
tensorflow/graphics#5337 ·
-
Attribute Error in the models.pyAbierto
Dificultad 3/5 1-2 días Aptitud para principiantes 25/100
tensorflow/graphics#730 ·
-
Dificultad 4/5 3-5 días Aptitud para principiantes 35/100
tensorflow/graphics#729 ·
-
Dificultad 5/5 Más de una semana Aptitud para principiantes 10/100
tensorflow/graphics#724 ·
Todos los issues de tensorflow/graphics
Issues similares
-
cli good first issue help wanted python up-for-grabs
Dificultad 2/5 1-3 horas Aptitud para principiantes 75/100
andrewsiah/agentswarm-data-tasks#36 ·
Los mantenedores suelen responder en 1 día
-
bug drawing-tools
Dificultad 2/5 1-3 horas Aptitud para principiantes 76/100
cofade/open-garden-planner#827 ·
Los mantenedores suelen responder en 1 día
-
Methodology pageAbiertodocumentation site texts
Dificultad 2/5 1-3 horas Aptitud para principiantes 67/100
Krasnopjorovs/temet#66 ·
-
bug
Dificultad 2/5 1-3 horas Aptitud para principiantes 83/100
Los mantenedores suelen responder en 1 día
-
Dificultad 1/5 1-3 horas Aptitud para principiantes 76/100
Los mantenedores suelen responder en 1 día