shapeNet数据集，包括hdf5、带法向量、不带法向量等三种格式数据集--网盘下载链接（永久有效）

百度网盘链接，永久有效。包含三种不同格式的数据集，每种数据集中有16种物体。官网下载需要注册账号审核，这个速度快些。

shapeNet数据集，包括hdf5、带法向量、不带法向量等三种格式数据集--网盘下载链接（永久有效）

PointNet和PointNet ++的Pytorch实现 此是和的实现。 更新 2021/03/27： （1）发布预训练的语义分割模型，其中PointNet ++可以达到53.5％的mIoU。 （2）在log/发布用于分类和零件细分的预训练模型。 2021/03/20：更新分类代码，包括： （1）添加用于训练ModelNet10数据集的代码。 使用--num_category 10设置。 （2）添加仅在CPU上运行的代码。 使用--use_cpu设置。 （3）添加用于离线数据预处理的代码，以加快培训速度。 使用--process_data设置。 （4）添加用于统一采样的训练代码。 使用--use_uniform_sample设置。 2019/11/26： （1）修复了先前代码中的一些错误，并添加了数据增强技巧。 现在仅按1024点分类就可以达到92.8％ ！ （2）

Pix2Vox 该存储库包含论文的源代码。 后续工作《 已发表在《国际计算机视觉杂志》（IJCV）上。 引用这项工作 @inproceedings{xie2019pix2vox, title={Pix2Vox: Context-aware 3D Reconstruction from Single and Multi-view Images}, author={Xie, Haozhe and Yao, Hongxun and Sun, Xiaoshuai and Zhou, Shangchen and Zhang, Shengping}, booktitle={ICCV}, year={2019} } 数据集 我们在实验中使用和数据集，如下所示： ShapeNet渲染图像： ://

斯坦福Shapenet渲染器 一个小助手脚本，用于使用Blender呈现.obj文件（例如，来自stanford shapenet数据库的文件）。 在Linux上进行了测试，但也可以在其他操作系统上使用。 默认情况下，此脚本通过围绕对象旋转相机来生成30张图像。 此外，每个图像都将转储深度图，反照率图，法线图和id图。 经过Blender 2.9测试 示例调用 要呈现单个.obj文件，请运行 blender --background --python render_blender.py -- --output_folder /tmp path_to_model.obj 要获取最易于进一步使用的原始值，请使用--format OPEN_EXR 。 如果.obj文件引用了.mtl文件中定义的任何资料，则假定该文件位于具有相同名称的同一文件夹中。 批量渲染 要渲染整个批次，您可以例如使用u

从单个2D图像生成3D模型而无需渲染的有效损失函数 | 诺维萨德大学剑桥大学 引文 如果您发现此代码对您的研究有用，请引用我们的论文。 @article{zubic2021effective, title={An Effective Loss Function for Generating 3D Models from Single 2D Image without Rendering}, author={Zubi{\'c}, Nikola and Li{\`o}, Pietro}, journal={arXiv preprint arXiv:2103.03390}, year={2021} } 先决条件 下载代码： Git使用以下命令克隆代码： git clone https://github.com/NikolaZubic/2dimageto3dmodel.git

主要是PointNet网络中需要的训练集，h5.py文件，共16类物体。

主要是PointNet网络中需要的测试集，有16类物体，共32135个零件。该数据集分两部分上传（因为一次上传不完，文件太大），所以使用者务必两个文件都下载上

主要是PointNet网络中需要的测试集，有16类物体，共32135个零件。该数据集分两部分上传（因为一次上传不完，文件太大），所以使用者务必两个文件都下载上