【代码复现】【没复现成功 先放着吧】Unpaired Point Cloud Completion on Real Scans using Adversarial Training

最新推荐文章于 2024-01-09 22:55:21 发布
最新推荐文章于 2024-01-09 22:55:21 发布
阅读量362 收藏 1
点赞数
分类专栏： linux 文章标签： tensorflow 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43147335/article/details/120187421
版权

pcl2pcl-gan-pub


最近在学习三维补全和重建，复现一篇ICLR 2020的文章，就此记录一下。

githunb地址
论文地址

按照github上的步骤复现代码

第一步 安装

我用的是实验室的服务器Ubuntu，在conda环境中安装cuda、cudnn、tensorflow等，具体详情可参考我的另一篇博客地址.

第二步 编译tf_ops

参考博客地址.

第三步 编译 EMD/Chamfer 损失

cd pcl2pcl-gan-pub/pc2pc/structural_losses_utils
#
最低0.47元/天 解锁文章
20要继续努力哦!
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
EMD的matlab代码分享-MSN-Point-Cloud-Completion:用于密集点云完成的变形和采样网络(AAAI2020)
06-12
EMD的matlab代码分享MSN：用于密集点云完成的变形和采样网络 MSN是一种基于学习的形状补全方法，可以保留已知结构并生成密集且分布均匀的点云。 有关更多详细信息，请参阅我们的 AAAI 2020。 在这个项目中，我们还提供了点云的地球移动距离（EMD）的实现，它基于拍卖算法，只需要 $O(n)$ 内存。 完成后获得 32,768 分 用法 1) 环境和先决条件 pytorch 1.2.0 CUDA 10.0 Python 3.7 2) 编译 编译我们的扩展模块： cd emd python3 setup.py install cd expansion_penalty python3 setup.py install cd MDS python3 setup.py install 3) 下载数据和训练好的模型 从 下载数据和训练模型。 由于规模较大，我们不提供训练集的部分点云。 如果要训练模型，可以使用 和 生成它们。 我们为每个 CAD 模型生成 50 个局部点云。 4) 训练或验证 运行python3 val.py来验证模型或python3 train.py从头训练模型。 E
Cycle4Completion: Unpaired Point Cloud Completion using Cycle Transformation with Missing Region Cod
weixin_42155685的博客
08-02 303
文章解读 Cycle4Completion: Unpaired Point Cloud Completion using Cycle Transformation with Missing Region Coding 摘要（abstract） In this paper, we present a novel unpaired point cloud completion network, named Cycle4Completion, to infer the complete geometries fr
point cloud completion (python demo.py的一些问题）
SY_qqq的博客
08-22 429
参考：https://github.com/conda-forge/pygridgen-feedstock/issues/10
point cloud completion (makefile编译的时候的一些问题）
SY_qqq的博客
08-22 363
第一张图是我修改后的版本，第二张图是源码里给的 首先看makefile这个文件，我第一次报错的时候好像是找不到nvcc，、 然后我发现是cuda的路径不对，大家可以先看看自己服务器上cuda的路径在哪里。源码给的代码用的是cuda-9.0，我查询之后发现我的是cuda-10.0 接着又报错 找不到头文件，tensorflow的路径不对，可以通过 import tens...
[TVCG论文] Point Cloud Completion: A Survey.
最新发布
价值知识传播者
01-09 437
点云完成是在接收到部分点云输入时生成完整3D形状的任务。在3D计算机图形、视觉以及自动驾驶、机器人和增强现实等应用中，它已成为一项至关重要的过程。在过去的几年里，已经提出了许多完成算法，并进行了大量的研究。然而，目前并没有很多深入的调查综述以总结研究进展，使用户能够根据其拥有的数据类型、期望的最终结果、可能面临的挑战和可采用的可能策略做出明智的选择。在这项研究中，我们基于策略、技术、输入、输出和网络架构，全面调查和分类了截至2023年8月的有关点云完成的论文。表1 重要的期刊或会议。图2 点云补齐的方法。
Unpaired Image-to-Image Translation using Adversarial Consistency Loss.pdf
03-27
部分图像翻译算法存在的问题 许多图像翻译算法需要一一对应的图像。可是在许多应用场景下，往往没有这种一一对应的强监督信息。比如说以下一些应用场景：以第一排第一幅图为例，要找到这种一一配对的数据是不现实的...
Unpaired Image-to-Image Translationusing Cycle-Consistent Adversarial Networks
07-20
CycleGAN不仅能够成功地解决图像到图像翻译任务中的非配对数据问题，而且还展示了在多个领域的广泛应用潜力，例如风格迁移、物体变换、图像超分辨率等。实验结果显示，即使在缺乏配对数据的情况下，CycleGAN也能生成...
Unpaired Image-to-Image Translation using Cycle-consistent adversarial networks
07-17
gan的经典论文CycleGAN论文原文。描述使用gan进行图像风格转换。
deformation-aware-unpaired-image-translation:此仓库包含CVPR2020论文的代码
03-19
变形感知不成对图像转换对实验动物的姿态估计|...克隆仓库并安装依赖项：克隆此仓库： git clone https://github.com/siyliepfl/deformation-aware-unpaired-image-translation.git安装依赖项： pip install -r require
Unpaired-Portrait-Drawing:通过非对称循环映射生成未配对肖像画的代码（CVPR 2020）
03-20
通过非对称循环映射生成不成对的肖像画 我们为CVPR 2020论文“通过不对称循环映射生成不成对的肖像绘图”提供PyTorch实施。 该项目使用基于GAN的模型从面部照片生成... booktitle = {{IEEE} Conference on Computer V
【点云系列】Relationship-based Point Cloud Completion
weixin_43882112的博客
12-14 3262
文章目录1. 概要2. 动机3. 方法问题定义：两路网络：整体网络框架：损失函数：4. 实验**数据集**：可视化效果：实验结果：消融实验：5. 空间关系 1. 概要 TVCG 2021 期刊，点云补全 2. 动机 针对多物体组合的场景中的 部分补全 关注在：两个物体是否在场景当中空间临近 如图所示：也就是两个空间相近的物体互相参考补全 3. 方法 问题定义： 给定一个分割后的部分点云，包含两个部分，分别属于不同的物体 目标：补全每个部分 假定：假定 输入是由一次扫描获取到的，这比从多个方向获取的场景更加
[点云补全]-Point Cloud Completion by Skip-attention Network with Hierarchical Folding
alfred_torres的博客
07-22 3204
Point Cloud Completion by Skip-attention Network with Hierarchical Folding CVPR 2020 利用多级Folding结构和skip-attention来进行点云补齐 Folding结构是之前就有的，本文主要是利用skip-attention将folding结构堆叠起来，更加深了，有点像受到了ResNet和DeepGCNs的启发。 摘要 原文 译文 Point cloud completion aims to infe
《论文阅读》Point Cloud Completion by Skip-attention Network with Hierarchical Folding
未知丶的博客
11-19 1514
留个笔记自用 Point Cloud Completion by Skip-attention Network with Hierarchical Folding 做什么 点云的概念：点云是在同一空间参考系下表达目标空间分布和目标表面特性的海量点集合，在获取物体表面每个采样点的空间坐标后，得到的是点的集合，称之为“点云”（Point Cloud）。 点包含了丰富的信息，包括三维坐标X，Y，Z、颜色、分类值、强度值、时间等等，不一一列举。 一般的3D点云都是使用深度传感器扫描得到的，可以简单理解为相比2维点，
《论文阅读》PMP-Net: Point Cloud Completion by Learning Multi-step Point Moving Paths
未知丶的博客
10-05 1369
留个笔记自用 PMP-Net: Point Cloud Completion by Learning Multi-step Point Moving Paths 做什么 Point Cloud Completion点云补全，简单来说，由于扫描限制，扫描得到的结果可能是一个不完整的稀疏点云，任务目标就是保证形状和全局的前提下进行上采样一样的工作，将稀疏点云构造成具有局部信息的稠密点云 做了什么 这里点云补全的方法是来模拟移动行为，将不完整点云中的逐个点进行移动，也就是根据总的点移动距离的约束，为每个点预测
【ICCV2021】PoinTr: Diverse Point Cloud Completion with Geometry-Aware Transformers论文速读
毛毛的博客
10-11 1836
文章目录前言摘要1.介绍3.方法3.1. Set-to-Set Translation with Transformers3.2. 点代理生成3.3. 几何敏感的Transformer BlockQuery生成器多尺度点云生成4.结果4.1 KITTI上的BEV目标检测5.总结 前言 1. 为什么要做这个研究？ 2. 实验方法是什么样的？ 3. 得到了什么结果？ 摘要 本文主要解决从部分点云中恢复完整点云的任务。作者设计了一种新的点云补全模型PoinTr，将点云补全问题转化为集合到集合的平移问题，该模型
点云补全综述 Comprehensive Review of Deep Learning-Based 3D Point Clouds Completion Processing and Analys
热门推荐
weixin_42155685的博客
08-22 1万+
点云补全是由部分点云衍生而来的一个生成和估计问题，在三维计算机视觉的应用中起着至关重要的作用。深度学习(DL)的发展令人印象深刻地提高了点云完成的能力和鲁棒性。但是，已完成的点云的质量仍需进一步提高，以满足实际利用。因此，本工作旨在对各种方法进行全面的调查，包括基于点、基于卷积、基于图和基于生成模型的方法等。本调查总结了这些方法之间的比较，以激发进一步的研究见解。此外，本文综述了常用的数据集，并说明了点云补全的应用。最后，我们还讨论了在这一迅速扩大的领域中可能出现的研究趋势。
如何理解基于深度学习的点云补全算法 - PF-Net (Point Fractal Network for 3D Point Cloud Completion) ?
weixin_40247876的博客
02-15 1万+
CV_6 PF-Net 算法解析 一. 引言  了解激光雷达- LiDAR 特性的同学们都知道，LiDAR有一个致命的缺陷，那就是随着被检测物体的距离越来越远，根据LiDAR获取的点云的密度将会变得越来越稀疏，我们通常把它称之为“ 近密远疏 ”特性。为了解决这一问题，换句话说就是对稀疏点云进行补足，衍生出来很多种办法，比如将图像中的二维特征点进行三维转换等等。当然，自然也跑不了深度学习这个万金油。本文就将对这些算法中，个人认为比较有效的算法：PF-Net 算法进行简单的分析。 二. PF-Net 算法的核
Cascaded Refinement Network for Point Cloud Completion 论文阅读
wuprogrammer的博客
05-06 1986
标题翻译：用于点云补全的级联优化网络 1.Abstract 点云是稀疏且不完整的，已经存在的方法很难生成物体的细节、学习到复杂的点分布。 因此我们提出一种级联优化网络，使用一种从粗糙到细节的策略，来合成点云的细节信息。 考虑到局部输入的局部细节以及全局形状信息，我们保留不完整点集中的现有细节，并以较高的准确率生成具有的缺失部分。 我们还设计了一个patch-based discriminator，...
【CVPR2021】Cycle4Completion：使用带缺失区域编码的循环变换实现无配对点云补全
weixin_44378835的博客
07-08 830
Cycle4Completion: Unpaired Point Cloud Completion using Cycle Transformation with Missing Region Coding
unpaired image-to-image translation using cycle-consistent adversarial networks
03-16
Cycle-Consistent Adversarial Networks(CycleGAN) 是一种用于不匹配图像转换的深度学习方法。它使用了两个生成器和两个判别器，通过循环一致性约束来学习转换。这种方法可以在没有对应训练数据的情况下进行图像转换...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值