手把手教你用PyTorch复现PointGPT:从点块排序到双重掩码的完整实现指南

news2026/4/26 19:21:23
用PyTorch从零构建PointGPT深入解析点云自回归预训练技术在3D视觉领域点云数据因其直接反映物体空间结构的特性而备受关注。然而点云的无序性和稀疏性给深度学习模型的设计带来了独特挑战。本文将带您深入探索PointGPT这一创新架构通过PyTorch代码实现从点块处理到双重掩码Transformer的完整流程。1. 点云序列化模块实现点云序列化是PointGPT处理原始数据的第一步其核心是将无序的点云转化为有序的序列。我们首先实现点块划分和排序的关键组件。1.1 点块划分与Morton排序点块划分采用最远点采样(FPS)和K近邻(KNN)的组合策略。以下是PyTorch实现代码import torch import torch.nn.functional as F from torch_cluster import knn def fps(points, n_samples): # 最远点采样实现 device points.device B, N, _ points.shape centroids torch.zeros(B, n_samples, dtypetorch.long, devicedevice) distance torch.ones(B, N, devicedevice) * 1e10 farthest torch.randint(0, N, (B,), dtypetorch.long, devicedevice) batch_indices torch.arange(B, devicedevice) for i in range(n_samples): centroids[:, i] farthest centroid points[batch_indices, farthest, :].view(B, 1, 3) dist torch.sum((points - centroid) ** 2, -1) mask dist distance distance[mask] dist[mask] farthest torch.max(distance, -1)[1] return centroids def point_patch_partition(points, n_patches, k_neighbors): # 点块划分完整实现 centroids fps(points, n_patches) centroids_points points.gather(1, centroids.unsqueeze(-1).expand(-1, -1, 3)) # KNN搜索 idx knn(points.view(-1, 3), centroids_points.view(-1, 3), k_neighbors) idx idx[1].view(points.size(0), n_patches, k_neighbors) # 组织点块 patches points.gather(1, idx.unsqueeze(-1).expand(-1, -1, -1, 3)) return patches, centroids_pointsMorton排序将3D空间中的点映射到1维Z形曲线def morton_sort(points): # 将坐标转换为二进制并交错位 coords (points * 1024).int() coords torch.clamp(coords, 0, 1023) x coords[..., 0] y coords[..., 1] z coords[..., 2] # Morton编码计算 morton_code torch.zeros_like(x) for i in range(10): morton_code | ((x (1 i)) (2*i)) | \ ((y (1 i)) (2*i1)) | \ ((z (1 i)) (2*i2)) # 获取排序索引 sorted_indices torch.argsort(morton_code, dim-1) return sorted_indices1.2 点块嵌入与归一化使用轻量级PointNet提取点块特征class PointNetEmbedding(nn.Module): def __init__(self, embed_dim256): super().__init__() self.mlp nn.Sequential( nn.Conv1d(3, 64, 1), nn.BatchNorm1d(64), nn.ReLU(), nn.Conv1d(64, 128, 1), nn.BatchNorm1d(128), nn.ReLU(), nn.Conv1d(128, embed_dim, 1), nn.BatchNorm1d(embed_dim), nn.ReLU() ) def forward(self, patches): # 归一化到局部坐标系 centroids patches.mean(dim2, keepdimTrue) normalized patches - centroids # 特征提取 B, N, K, _ normalized.shape patches normalized.permute(0, 1, 3, 2).reshape(B*N, 3, K) features self.mlp(patches).max(dim-1)[0] return features.view(B, N, -1), centroids.squeeze(2)2. 双重掩码Transformer架构PointGPT的核心创新在于其独特的双重掩码策略和提取器-生成器架构设计。2.1 基础Transformer解码器实现首先构建基础的Transformer解码器块class TransformerDecoderLayer(nn.Module): def __init__(self, d_model, nhead, dim_feedforward2048, dropout0.1): super().__init__() self.self_attn nn.MultiheadAttention(d_model, nhead, dropoutdropout) self.linear1 nn.Linear(d_model, dim_feedforward) self.dropout nn.Dropout(dropout) self.linear2 nn.Linear(dim_feedforward, d_model) self.norm1 nn.LayerNorm(d_model) self.norm2 nn.LayerNorm(d_model) self.dropout1 nn.Dropout(dropout) self.dropout2 nn.Dropout(dropout) def forward(self, src, maskNone, key_padding_maskNone): # 自注意力层 src2 self.self_attn(src, src, src, attn_maskmask, key_padding_maskkey_padding_mask)[0] src src self.dropout1(src2) src self.norm1(src) # 前馈网络 src2 self.linear2(self.dropout(F.relu(self.linear1(src)))) src src self.dropout2(src2) src self.norm2(src) return src2.2 双重掩码策略实现双重掩码包含标准因果掩码和随机组掩码def create_dual_masks(seq_len, group_size4, mask_ratio0.3): # 标准因果掩码 causal_mask torch.triu(torch.ones(seq_len, seq_len), diagonal1).bool() # 随机组掩码 group_mask torch.zeros(seq_len, seq_len) groups torch.arange(seq_len) // group_size for i in range(seq_len): same_group (groups groups[i]) to_mask torch.randperm(int(same_group.sum()))[:int(mask_ratio*same_group.sum())] mask_indices torch.where(same_group)[0][to_mask] group_mask[i, mask_indices] 1 # 组合两种掩码 combined_mask causal_mask | group_mask.bool() return combined_mask.to(device)2.3 提取器-生成器架构完整实现提取器和生成器的级联结构class PointGPT(nn.Module): def __init__(self, n_layers6, n_heads8, d_model256, generator_layers2, dropout0.1): super().__init__() # 提取器完整Transformer self.extractor nn.ModuleList([ TransformerDecoderLayer(d_model, n_heads, d_model*4, dropout) for _ in range(n_layers) ]) # 生成器浅层Transformer self.generator nn.ModuleList([ TransformerDecoderLayer(d_model, n_heads, d_model*4, dropout) for _ in range(generator_layers) ]) # 位置编码 self.pos_encoder PositionalEncoding(d_model, dropout) # 预测头 self.pred_head nn.Sequential( nn.Linear(d_model, d_model*2), nn.ReLU(), nn.Linear(d_model*2, 3) # 预测点坐标 ) def forward(self, x, centroids): # 位置编码 x self.pos_encoder(x) # 双重掩码 mask create_dual_masks(x.size(0)) # 提取器处理 for layer in self.extractor: x layer(x, mask) # 生成器处理 tg x.clone() for layer in self.generator: tg layer(tg, mask) # 预测点块 pred_points self.pred_head(tg) # 添加方向提示 direction centroids[1:] - centroids[:-1] direction F.pad(direction, (0,0,0,1)) pred_points pred_points direction.unsqueeze(1) return x, pred_points3. 训练策略与损失函数PointGPT采用自回归预测和Chamfer距离损失进行预训练。3.1 Chamfer距离实现实现L1和L2两种形式的Chamfer距离def chamfer_distance(pred, target, l2False): # 计算两组点云之间的最近邻距离 dist torch.cdist(pred, target) min_dist1, _ dist.min(dim2) min_dist2, _ dist.min(dim1) if l2: loss (min_dist1.mean(dim1) min_dist2.mean(dim1)) / 2 else: loss (min_dist1.sum(dim1) min_dist2.sum(dim1)) / 2 return loss.mean()3.2 自回归训练流程实现点块的自回归预测训练循环def train_step(model, optimizer, points, n_patches32, k_neighbors32): model.train() # 点块划分和排序 patches, centroids point_patch_partition(points, n_patches, k_neighbors) sorted_idx morton_sort(centroids) patches patches.gather(1, sorted_idx.unsqueeze(-1).unsqueeze(-1).expand(-1,-1,k_neighbors,3)) centroids centroids.gather(1, sorted_idx.unsqueeze(-1).expand(-1,-1,3)) # 点块嵌入 embeddings, _ PointNetEmbedding()(patches) # 自回归预测 total_loss 0 for i in range(1, n_patches): # 输入序列 input_seq embeddings[:, :i] current_centroids centroids[:, :i] # 模型预测 _, pred_points model(input_seq, current_centroids) # 计算损失 target_patch patches[:, i] loss chamfer_distance(pred_points[:, -1], target_patch) loss chamfer_distance(pred_points[:, -1], target_patch, l2True) # 反向传播 optimizer.zero_grad() loss.backward() optimizer.step() total_loss loss.item() return total_loss / n_patches4. 模型优化与扩展实践在实际应用中我们还需要考虑以下关键优化点4.1 高效训练技巧梯度累积在显存有限时通过多次前向传播累积梯度再更新参数混合精度训练使用AMP(自动混合精度)加速训练过程学习率预热逐步提高学习率避免早期训练不稳定from torch.cuda.amp import autocast, GradScaler def train_with_amp(model, train_loader, epochs100): scaler GradScaler() optimizer torch.optim.AdamW(model.parameters(), lr1e-4) scheduler get_linear_schedule_with_warmup(optimizer, 1000, len(train_loader)*epochs) for epoch in range(epochs): for batch in train_loader: with autocast(): loss train_step(model, optimizer, batch) scaler.scale(loss).backward() scaler.step(optimizer) scaler.update() scheduler.step()4.2 下游任务迁移预训练完成后提取器可用于各类下游任务class DownstreamClassifier(nn.Module): def __init__(self, extractor, num_classes): super().__init__() self.extractor extractor self.classifier nn.Sequential( nn.Linear(256, 128), nn.ReLU(), nn.Linear(128, num_classes) ) def forward(self, points): # 提取全局特征 patches, _ point_patch_partition(points, 32, 32) embeddings, _ PointNetEmbedding()(patches) # 通过提取器 features embeddings for layer in self.extractor.extractor: features layer(features) # 全局平均池化 global_feature features.mean(dim1) return self.classifier(global_feature)在实际项目中PointGPT的预训练表示可以显著提升小样本学习场景下的性能。例如在ModelNet40分类任务中仅用10%标注数据就能达到85%以上的准确率这验证了自回归预训练在点云理解中的有效性。

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/2557101.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…