hqhz1817

Density Map只是pixel-wise回归的一种label smooth实现，这里的本质问题是原始的image-wise回归，也就是文中所说的MAE，理论上限最高，但是优化难度最大。pixel-wise回归，也就是文中所说的DME，理论上限低，但是优化难度也低。所以取了折中，做patch-wise回归，即文中所说的LCME。个人理解，这里通过Density Map得到LCME的回归标签，只是单纯的为了Density Map的label smooth特性。

fps_idx 和 new_xyz不就是同一个东西吗？你的这个写法和作者的写法差别在哪儿呢？或者说作者的写法为什么不满足你说的“球采样应该是在半径范围内，选择距离当前点最近的点。”？

Just wrap model by [torch.nn.parallel.DistributedDataParallel](https://pytorch.org/docs/stable/generated/torch.nn.parallel.DistributedDataParallel.html#torch.nn.parallel.DistributedDataParallel)

我们只需要关注**XYZ**空间上每个点的距离即可，不需要关注**特征空间**上每个点的距离。如果我们认为两个点不相关，就代表着我们不希望这两个点的特征之间有任何交互，跟这两个点的特征本身没有任何关系。就好像我不认识你（XYZ空间上距离最远），无论如何我都不会和你有任何交互，你不需要保证我和你的名字，性别，身高，体重不一样（特征空间距离最远），因为就算咱两的这些信息完全一样，咱们依然没有任何关系。而在这里，FPS一直都是在计算XYZ空间里的关系，并不涉及特征空间之中的关系。

I think it just like a shortcut. (f(w, x) + I)x = f(w, x)x + x