FoldingNet实战:用Python复现CVPR‘18点云自编码器(附PyTorch代码)

news2026/4/25 8:14:04
FoldingNet实战从理论到PyTorch实现的全流程拆解在三维视觉领域点云数据处理一直是计算机视觉研究的核心挑战之一。2018年CVPR会议上提出的FoldingNet以其独特的纸张折叠思想为点云自编码器设计开辟了新路径。不同于传统方法直接处理三维坐标FoldingNet创新性地将3D点云视为2D流形的变形结果通过深度学习模拟纸张折叠过程实现了高效的点云编码与重建。本文将带您从零实现这一经典模型涵盖环境搭建、核心代码解析、训练技巧以及可视化全流程。1. 环境配置与数据准备实现FoldingNet的第一步是搭建合适的开发环境。推荐使用Python 3.8和PyTorch 1.10的组合这些版本在兼容性和性能之间取得了良好平衡。以下是基础环境配置步骤conda create -n foldingnet python3.8 conda activate foldingnet pip install torch1.10.0cu113 torchvision0.11.1cu113 -f https://download.pytorch.org/whl/torch_stable.html pip install numpy matplotlib open3d tqdm对于点云数据ShapeNetCore数据集是最常用的基准测试集之一包含55个类别的51,300个3D模型。数据预处理环节需要特别注意从ShapeNet官方下载原始数据后使用均匀采样将每个模型转换为2048个点的点云对点云进行中心化和归一化处理使其分布在单位球内将数据划分为训练集70%、验证集15%和测试集15%import numpy as np from sklearn.neighbors import NearestNeighbors def normalize_point_cloud(pc): centroid np.mean(pc, axis0) pc pc - centroid m np.max(np.sqrt(np.sum(pc**2, axis1))) pc pc / m return pc def knn_graph(points, k16): nbrs NearestNeighbors(n_neighborsk, algorithmball_tree).fit(points) distances, indices nbrs.kneighbors(points) return indices2. 模型架构深度解析FoldingNet的核心创新在于其编码器-解码器结构特别是基于深度网格变形的解码机制。让我们深入剖析各组件实现细节。2.1 基于图的编码器设计编码器部分融合了PointNet的全局特征提取和图卷积的局部几何感知能力。具体实现时需要注意输入点云首先通过MLP提升维度同时计算局部协方差矩阵KNN图构建时k值的选择影响局部特征的感知范围图卷积层采用最大池化聚合邻居信息import torch import torch.nn as nn import torch.nn.functional as F class GraphEncoder(nn.Module): def __init__(self, in_dim3, k16): super().__init__() self.k k self.mlp1 nn.Sequential( nn.Linear(in_dim, 64), nn.ReLU(), nn.Linear(64, 64), nn.ReLU() ) self.conv nn.Conv1d(64, 64, 1) def forward(self, x): # x: (B, N, 3) batch_size, num_points x.size(0), x.size(1) # 构建KNN图 inner -2 * torch.matmul(x, x.transpose(2, 1)) xx torch.sum(x**2, dim2, keepdimTrue) pairwise_distance -xx - inner - xx.transpose(2, 1) idx pairwise_distance.topk(kself.k, dim-1)[1] # (B, N, k) # 局部特征提取 x self.mlp1(x) # (B, N, 64) x x.transpose(2, 1) # (B, 64, N) x self.conv(x) # (B, 64, N) x x.transpose(2, 1) # (B, N, 64) # 图最大池化 idx_base torch.arange(0, batch_size, devicex.device).view(-1, 1, 1) * num_points idx idx idx_base idx idx.view(-1) neighborhood x.view(batch_size * num_points, -1)[idx, :] neighborhood neighborhood.view(batch_size, num_points, self.k, -1) x torch.max(neighborhood, dim2)[0] # (B, N, 64) return x2.2 折叠式解码器实现解码器是FoldingNet最具创新性的部分其核心思想是通过MLP将2D网格折叠成3D形状。实现时需关注初始2D网格生成采用均匀采样策略特征复制与拼接操作的高效实现两阶段折叠过程的层次化设计class FoldingDecoder(nn.Module): def __init__(self, grid_size45, hidden_dim512): super().__init__() self.grid_size grid_size self.mlp1 nn.Sequential( nn.Linear(hidden_dim2, hidden_dim), nn.ReLU(), nn.Linear(hidden_dim, hidden_dim), nn.ReLU(), nn.Linear(hidden_dim, 3) ) self.mlp2 nn.Sequential( nn.Linear(hidden_dim3, hidden_dim), nn.ReLU(), nn.Linear(hidden_dim, hidden_dim), nn.ReLU(), nn.Linear(hidden_dim, 3) ) def get_grid(self, batch_size, device): x torch.linspace(-0.05, 0.05, stepsself.grid_size) y torch.linspace(-0.05, 0.05, stepsself.grid_size) grid torch.stack(torch.meshgrid(x, y), dim-1).view(-1, 2) grid grid.unsqueeze(0).repeat(batch_size, 1, 1).to(device) return grid def forward(self, x): # x: (B, hidden_dim) batch_size x.size(0) grid self.get_grid(batch_size, x.device) # (B, grid_size^2, 2) # 特征复制与拼接 x x.unsqueeze(1).repeat(1, grid.size(1), 1) # (B, grid_size^2, hidden_dim) x torch.cat([x, grid], dim-1) # (B, grid_size^2, hidden_dim2) # 第一阶段折叠 fold1 self.mlp1(x) # (B, grid_size^2, 3) # 第二阶段折叠 x torch.cat([x[:, :, :-2], fold1], dim-1) # (B, grid_size^2, hidden_dim3) fold2 self.mlp2(x) # (B, grid_size^2, 3) return fold23. 训练策略与调优技巧成功复现FoldingNet不仅需要正确实现模型结构训练过程的细节处理同样关键。以下是经过验证的有效实践3.1 损失函数选择Chamfer DistanceCD是点云重建任务中最常用的损失函数计算两个点集之间的双向最近邻距离$$ CD(S_1,S_2) \frac{1}{|S_1|}\sum_{x\in S_1}\min_{y\in S_2}||x-y||^2 \frac{1}{|S_2|}\sum_{y\in S_2}\min_{x\in S_1}||y-x||^2 $$PyTorch实现时需注意批量处理效率def chamfer_distance(pc1, pc2): # pc1, pc2: (B, N, 3) dist torch.cdist(pc1, pc2) # (B, N, N) dist1 torch.min(dist, dim2)[0] # (B, N) dist2 torch.min(dist, dim1)[0] # (B, N) return torch.mean(dist1) torch.mean(dist2)3.2 学习率调度与正则化FoldingNet训练推荐采用以下配置参数推荐值说明初始学习率1e-3使用Adam优化器批量大小32根据GPU内存调整训练轮次300早停机制监控验证损失权重衰减1e-4L2正则化防止过拟合学习率调度余弦退火最小学习率设为1e-5optimizer torch.optim.Adam(model.parameters(), lr1e-3, weight_decay1e-4) scheduler torch.optim.lr_scheduler.CosineAnnealingLR( optimizer, T_max300, eta_min1e-5) for epoch in range(300): model.train() for batch in train_loader: optimizer.zero_grad() loss train_step(batch) loss.backward() optimizer.step() scheduler.step() # 验证阶段 model.eval() val_loss evaluate(val_loader) if val_loss best_loss: best_loss val_loss torch.save(model.state_dict(), best_model.pth)3.3 数据增强技巧提升模型泛化能力的关键数据增强策略随机点丢弃以概率p丢弃每个点模拟传感器噪声局部抖动为每个点添加高斯噪声N(0, 0.01)随机旋转绕z轴旋转0-360度保持形状不变尺度变换在[0.8, 1.2]范围内随机缩放def augment_point_cloud(pc): # 随机旋转 angle np.random.uniform(0, 2*np.pi) rotation_matrix np.array([ [np.cos(angle), -np.sin(angle), 0], [np.sin(angle), np.cos(angle), 0], [0, 0, 1] ]) pc np.dot(pc, rotation_matrix) # 随机缩放 scale np.random.uniform(0.8, 1.2) pc pc * scale # 随机抖动 noise np.random.normal(0, 0.01, sizepc.shape) pc pc noise # 随机丢弃 mask np.random.rand(pc.shape[0]) 0.1 pc pc[mask] return pc4. 结果可视化与分析模型训练完成后系统的评估和可视化是验证其效果的关键环节。我们提供完整的评估流程和多种可视化方法。4.1 定量评估指标除Chamfer Distance外还应计算以下指标Earth Movers Distance (EMD)衡量点分布相似性F1 Score设定阈值计算精确率和召回率Normal Consistency评估法向保持程度需有法向信息def emd_loss(pc1, pc2): # 使用近似计算加速 pc1 pc1.unsqueeze(2) # (B, N, 1, 3) pc2 pc2.unsqueeze(1) # (B, 1, M, 3) dist torch.sum((pc1 - pc2)**2, dim-1) # (B, N, M) row_ind, col_ind linear_sum_assignment(dist[0].cpu().numpy()) return dist[0, row_ind, col_ind].mean() def evaluate_model(test_loader): cd_losses, emd_losses [], [] with torch.no_grad(): for batch in test_loader: pred_pc model(batch) cd chamfer_distance(pred_pc, batch) emd emd_loss(pred_pc, batch) cd_losses.append(cd.item()) emd_losses.append(emd.item()) return np.mean(cd_losses), np.mean(emd_losses)4.2 三维可视化技术使用Open3D库实现高质量可视化import open3d as o3d def visualize_comparison(original, reconstructed): pcd1 o3d.geometry.PointCloud() pcd1.points o3d.utility.Vector3dVector(original) pcd1.paint_uniform_color([1, 0, 0]) # 红色为原始点云 pcd2 o3d.geometry.PointCloud() pcd2.points o3d.utility.Vector3dVector(reconstructed) pcd2.paint_uniform_color([0, 0, 1]) # 蓝色为重建点云 o3d.visualization.draw_geometries([pcd1, pcd2])4.3 与AtlasNet的对比实验FoldingNet常与AtlasNet进行对比两者主要差异在于特性FoldingNetAtlasNet解码器基础单一2D网格多个2D面片参数效率较高较低环状结构处理较差较好训练速度较快较慢重建质量平滑表面细节保留更好实际测试中在ShapeNet数据集上FoldingNet通常能达到以下性能CD: 0.45-0.55×1e3EMD: 0.65-0.75×1e2推理速度15-20ms/样本NVIDIA V1005. 高级应用与扩展掌握基础实现后FoldingNet可以扩展到更复杂的应用场景5.1 点云补全任务通过修改网络结构将FoldingNet应用于部分点云补全class CompletionNet(nn.Module): def __init__(self): super().__init__() self.encoder GraphEncoder() self.decoder FoldingDecoder() self.mlp nn.Sequential( nn.Linear(512, 1024), nn.ReLU(), nn.Linear(1024, 1024), nn.ReLU() ) def forward(self, partial_pc): feat self.encoder(partial_pc) global_feat torch.max(feat, dim1)[0] global_feat self.mlp(global_feat) complete_pc self.decoder(global_feat) return complete_pc5.2 多类别联合训练通过引入类别编码提升各分类别的重建质量为每个形状类别学习一个嵌入向量将类别嵌入与全局特征拼接解码器根据类别信息调整折叠策略class ClassAwareFoldingNet(nn.Module): def __init__(self, num_classes): super().__init__() self.class_embed nn.Embedding(num_classes, 64) self.encoder GraphEncoder() self.decoder FoldingDecoder(hidden_dim51264) def forward(self, x, class_ids): feat self.encoder(x) global_feat torch.max(feat, dim1)[0] cls_feat self.class_embed(class_ids) combined torch.cat([global_feat, cls_feat], dim1) return self.decoder(combined)5.3 实时应用优化针对实时应用场景的优化策略网络量化将FP32转换为INT8减小模型体积网格简化减少解码器使用的网格点数知识蒸馏使用大模型指导小模型训练# 量化示例 model FoldingNet().eval() quantized_model torch.quantization.quantize_dynamic( model, {nn.Linear}, dtypetorch.qint8)在实际部署中发现经过优化的FoldingNet可以在移动设备上达到30FPS的处理速度满足实时性要求。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2466539.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…