QWTforGithub
QWTforGithub
> yes, we divide the point cloud into blocks Thank you. May I ask if point cloud sampling is not divided into object level and scene level? A scene point...
> The main challenge is the generation of seed points, the proposed method is hard to process large-scale point cloud directly, thus we choose to divide it into small blocks....
> Sorry, i have not seen any discuss about the divide method. Thank you.
> Hello, as mentioned in the README file, the current released weights for PTv3 are invalid because the architecture of the PTv3 was adjusted. I'm wondering when usable weights of...
> Hi, model weights can be downloaded on the hugging face page and run with the code tag with v1.5.1. Re-train model weights for the new structure will cost lots...
你好，代码本身是没有错误的，因为很多人都可以跑通的（参考其他close的问题）。需要改维度，说明输入数据的维度有问题。 我认为你应该是在训练期间碰到错误的是吗，因为涉及到了x0，输入的condition维度应该是[B,N,3]，而x0（Ground Truth）是[B,rN,3]，label的维度是[3,]（参考pointnet2/dataloader/dataset_loader.py）。 x0意味着ground truth，也就是上采样之后的稠密点云，维度应该是[B,rN,3]；xt意味着通过diffusion公式加噪x0而来的(xt~q(xt|x0))，因此维度是[B,rN,3]；condition意味着需要上采样的点云，也就是稀疏点云，维度应该是[B,N,3]；label意味着稠密点云x0与稀疏点云condition之间的倍率关系，维度[r-1,]（下标从0开始，比如差距4倍，那么输入是[3,]）；i意味着插值点云，从condition通过中点插值而来，维度应该是[B,rN,3]。 同时，xt = torch.cat([xt, i], dim=-1)，这一行代码意味着在最后一个维度进行拼接，比如[B,rN,3]与[B,rN,3]在最后一个通道拼接，那么应该是[B,rN,3+3]
请注意，在训练时，你的数据输入，只需要两个：condition [B,N,3]和x0 [B,rN,3]。label会自动生成（参考pointnet2/dataloader/dataset_loader.py）。
> > 请注意，在训练时，你的数据输入，只需要两个：condition [B,N,3]和x0 [B,rN,3]。label会自动生成（参考pointnet2/dataloader/dataset_loader.py）。 > > 很高兴收到你的答复，看了你说了，我现在明白了，是我之前的输入有问题，感谢解惑！ 不客气。
你好，这份代码我跑过很多几次，没有出现过中途停止迭代的情况。请问能否将错误信息贴出来呢，或许我能提供一些浅显的建议。对于，GPU未释放的问题，我经常碰到，这似乎是pytorch本身的问题，这需要我们手动杀死占用GPU的进程才可以（应该会显示GPU占用率是100%）。运行nvidia-smi，就能找到对应的GPU进程Id，kill -9 id 杀死即可。
我没有看到图片啊。请问，推理可以正常进行吗？