unl1002

In my opinion, authors define L_{vlb} = L_0 + ... + L_T, not L_t.

2

In my opinion, authors define L_{vlb} = L_0 + ... + L_T, not L_t. Thus, they may calculate the vlb loss with scale factor T (self.num_timestep). _Originally posted by @yhy258...

复现 PUDM 时遇到的一些问题和疑问

6

hi wt，非常感谢你在点云扩散模型方向的出色工作！我阅读了你的论文和代码实现，受益匪浅。最近在深入研究 PUDM 项目时，我遇到了一些问题，希望能向你请教。 **1. 关于gamma的问题** 我发现训练和推理时都会有个gamma参数去乘（预测的噪声+稀疏点云midpoint_interpolate后的结果i） https://github.com/QWTforGithub/PUDM/blob/623649a61d2d2e218b50ec120eb6a31274621144/pointnet2/models/pointnet2_with_pcld_condition.py#L620-L621 https://github.com/QWTforGithub/PUDM/blob/b7e3f11e99667a06a6fcafa3d5eb42ca573d5b34/pointnet2/util.py#L493-L495 我想知道为什么这里Nnet预测出的噪声还需要与插值结果 i 相加，在计算mse时也是z与out，似乎的扩散模型的计算过程不一样，gamma 的设置（代码中为 0.5）在整体预测中的物理或建模意义是什么？有没有尝试过其他值，或者它是否具有调参上的敏感性？ **2.关于采样倍数label** 在训练阶段，无论是 PUGAN 还是 PU1K 数据集，所有点云的 R 倍数标签都是固定的 4，但代码中仍然对其进行了 embedding（256，128），并作为条件输入给到 CNet 进行建模 https://github.com/QWTforGithub/PUDM/blob/b7e3f11e99667a06a6fcafa3d5eb42ca573d5b34/pointnet2/models/pointnet2_with_pcld_condition.py#L265-L266 为什么训练时仅使用了一个固定的 R=4，还能在推理时泛化到不同label并表现出较好的效果 **3.网络的尺度自适应**...