li199603

这是因为预训练向量里没有词向量，都是字向量。具体看utils.py最后的代码，作者仅抽取出了部分向量

那两个函数看起来2-gram变成1-gram，3-gram变成2-gram了。是不是应该把t也考虑进去？

> > > > 就是用几个质数做的简单的哈希函数，这些数都是可以改的，你也可以自己定义一个哈希函数，目的就是把所有n-gram都映射到一个词表中。 （每个n-gram会得到一个数值，该数值对词表大小取模，得到它在词表中的位置） > > > > 词表大小也是自己定的，理论上词表越大，效果越好；词表越小，不同的n-gram就越有可能映射到词表的同一个位置。 但是这里要考虑到内存、耗时的问题（性价比），还有就是有的n-gram组合可能永远不会出现，所以词表也不是越大越好的。 > > > > > > > > > 正常的逻辑不应该是构造一个2-gram和3-gram字典，然后根据这个字典对句子进行idx转换吗？不理解使用哈希的目的。个人觉得没有体现出gram思想中的上下文顺序，因为只要字相同，其n-gram就一样，实际的情况是字一样，上下文也不一定一样。 > > > > > > 我也感觉应该把t也加上，否则的话2-gram无法体现上下字的联系，3-gram在此变成了2-gram >...

看起来好像这里给的预训练embedding里只有字向量

你可以看一下utils.py里最后的代码。作者是把别人提供的预训练字和词向量只提取出需要的部分。你可以按照这个方法把词向量提取出来用

感觉就是直接截断了，超过长度的数据不要了。我是这么理解的，像textCNN只能接受固定长度的文本分类，基于RNN的虽然可以接受不固定长度的，但是因为要批量训练，所以需要长度同一。

> > > (1) I don't think camera opt would work with gaussian splatting by just back propagating gradients, it requires some non-trivial innovation. (2) the fact the shifting 1m...

I try to get a ply from the pth. Referring to 3DGS repo, the following code is written. ```python def save_ply(self, path, t): os.makedirs(os.path.dirname(path)) xyz = self.get_xyz_SHM(t).detach().cpu().numpy() normals = np.zeros_like(xyz)...

@APPZ99 This is a dynamic scene, so the point cloud only makes sense at a certain time t. Because xyz is time dependent

> @li199603 Thank you for your code, I have successfully got the ply file, but when I tried to use the viewer from 3DGS, it told me ""Could not find...