CRA-PCN icon indicating copy to clipboard operation
CRA-PCN copied to clipboard

[AAAI'24] CRA-PCN: Point Cloud Completion with Intra- and Inter-level Cross-Resolution Transformers

Results 8 CRA-PCN issues
Sort by recently updated
recently updated
newest added

我训练完之后得到了一个关于checkpoints的文件夹,里面是包含每5个enpoch得到的.pth文件,但是不知道ckpt-best.pth是哪一个,请问有什么方法去得到吗? ![屏幕截图 2024-04-28 115751](https://github.com/EasyRy/CRA-PCN/assets/160195062/a1fea890-21ff-49e6-a685-3118740b6c00) ![屏幕截图 2024-04-28 115850](https://github.com/EasyRy/CRA-PCN/assets/160195062/383b0c47-df1c-4825-983b-8a693b800e60)

作者您好,感谢您杰出的工作,让我看到了可以用如此小的参数规模达到如此高的性能. 但是我在复现的过程中碰到了一些问题,首先我再train ShapeNet55的时候发现会出现Nan的问题,其次是用您开源出的模型权重测试PCN的时候性能指标比论文中报告出现的略低 Taxonomy #Sample ChamferDistance 02691156 150 4.9409 02933112 150 8.6510 02958343 150 7.5450 03001627 150 6.7271 03636649 150 8.2706 04256520 150 8.3896 04379243 150 5.8836 04530566 150 6.3147...

作者,您好! 很感谢你们的出色工作!我想请教如何在你们的工作中使用本地数据,例如使用本地数据进行训练或者测试?

你好,非常感谢你能公开论文代码! 我想问一下训练pcn,shapenet55,shapenet34,mvp这四个数据集大概在多少epoch的时候会得到论文的结果呀?

> > > > 请问怎么开多卡训练呢?我设置了 os.environ['CUDA_VISIBLE_DEVICES'] = '4,5,6,7' 和 __C.CONST.DEVICE = '4,5,6,7' 运行脚本python train_pcn.py 一直没反应 > > > > > > > > > > > > 你好,请问你这问题解决了吗,我无论怎么设置这个os.environ['CUDA_VISIBLE_DEVICES']都没用,都会默认分布,而且还是不均匀的 > >...

213 38831.4209 12157.8579 12144.3472 12137.6324 38831.4209 214 3236.2828 1069.4618 1043.5928 1085.6686 3236.2828 215 727.4463 268.9736 260.6899 240.1202 727.4463 216 29291.5916 8654.7327 8651.6600 8631.5527 29291.5916 217 14858.0999 4987.3714 4951.6268 4980.7844 14858.0999...

__C.DATASETS = edict() __C.DATASETS.COMPLETION3D = edict() __C.DATASETS.COMPLETION3D.CATEGORY_FILE_PATH = './datasets/Completion3D.json' __C.DATASETS.COMPLETION3D.PARTIAL_POINTS_PATH = '/path/to/datasets/Completion3D/%s/partial/%s/%s.h5' __C.DATASETS.COMPLETION3D.COMPLETE_POINTS_PATH = '/path/to/datasets/Completion3D/%s/gt/%s/%s.h5' __C.DATASETS.SHAPENET = edict() __C.DATASETS.SHAPENET.CATEGORY_FILE_PATH = './datasets/ShapeNet.json' __C.DATASETS.SHAPENET.N_RENDERINGS = 8 __C.DATASETS.SHAPENET.N_POINTS = 2048 __C.DATASETS.SHAPENET.PARTIAL_POINTS_PATH = '../data/PCN/%s/partial/%s/%s/%02d.pcd'...

十分感谢您开源点云补全模型,请问您开源的模型支持转成onnx进行c++推理不,目前我调研了好几个开源模型,都很难将其应用,转onnx十分困难,期待您的回复,谢谢