Padding mesh data
Nessuno ha ancora preso questa issue.
Valutazione
- Difficoltà
- 4/5
- Tempo stimato
- 3-5 giorni
- Idoneità per principianti
- 25/100
- Tipo di issue
- Bug
- Chiarezza
- Da chiarire
- Stato di attività
- Ferma
- Stack tecnologico
- python, tensorflow
- Ambito
- computer-graphics, machine-learning
Direzione di ricerca
Inizia con il codice di segmentazione delle mesh e il notebook Colab/IPython menzionati nell’issue, quindi traccia il modo in cui gli array personalizzati di vertici e facce entrano nella rete. Riproduci il caso di un dataset con padding a zero e confronta il comportamento del rendering e dell’addestramento con quello di una mesh senza padding; il lavoro è completato quando esiste un approccio di padding documentato che esegue correttamente il rendering e consente alla rete di apprendere.
Scritto dal modello di indicizzazione a partire dal testo della issue.
Descrizione
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.
- Lingua principale
- Python
- Stelle
- 2.8k
- Fork
- 374
- Merge medio
- 5g 9h
- PR unite (30g)
- 1
Preparare l'ambiente
- Nessun Dockerfile né file Docker Compose
- Nessun modello di pull request
- Leggi la guida per i contributori
Come iniziare
- Leggi tutta la issue e poi la guida ai contributi del progetto.
- Commenta sulla issue per dire che te ne occupi tu — evita che due persone facciano lo stesso lavoro.
- Fai un fork del repository e lavora su un branch.
- Apri una pull request che faccia riferimento al numero della issue.
Altre issue di tensorflow/graphics
-
Difficoltà 1/5 Meno di un'ora Idoneità per principianti 62/100
tensorflow/graphics#468 ·
-
Difficoltà 5/5 Più di una settimana Idoneità per principianti 25/100
tensorflow/graphics#5337 ·
-
Difficoltà 3/5 1-2 giorni Idoneità per principianti 25/100
tensorflow/graphics#730 ·
-
Difficoltà 4/5 3-5 giorni Idoneità per principianti 35/100
tensorflow/graphics#729 ·
-
Difficoltà 5/5 Più di una settimana Idoneità per principianti 10/100
tensorflow/graphics#724 ·
Tutte le issue di tensorflow/graphics
Issue simili
-
`destroy` sans terminal répond « Aborted. » au lieu de réclamer `--yes` comme `clean` et `reset`Apertabug
Difficoltà 2/5 1-3 ore Idoneità per principianti 85/100
stephrobert/dsoxlab#354 ·
I maintainer di solito rispondono entro 1 giorno
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 77/100
jasonacox/pypowerwall#472 ·
I maintainer di solito rispondono entro 1 giorno
-
[Bug]: DoubleMLRDDData accepts a score_col that is no data column (as in its docstring example); the running variable then becomes a covariate and RDFlex failsForse già presa @vrjdev l’ha presa oggi. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
DoubleML/doubleml-for-py#455 ·
I maintainer di solito rispondono entro 1 giorno
-
[Bug]: Python mod.Box[T] annotation gets a false generic_arg edge that replaces the parameter_type one ('is' on tree-sitter nodes)Forse già presa @rohit-jsfreaky l’ha presa oggi. Aperta
Difficoltà 2/5 1-3 ore Idoneità per principianti 88/100
Graphify-Labs/graphify#5110 · 1 commento ·
I maintainer di solito rispondono entro 2 giorni
-
Difficoltà 2/5 1-3 ore Idoneità per principianti 78/100
assafelovic/gpt-researcher#2277 ·
I maintainer di solito rispondono entro 10 giorni