Real3DAD-Reg3DAD代码及训练推理过程

Real3DAD-Reg3DAD代码及训练推理过程

train

对train_loader（4个点云，例[1, 383913, 3]）进行for循环，添加点云到basic_template，但使用了break只选择了第一个点云作为模板（纯点云坐标，[383913, 3]）

test

对test_loader（100个点云，例[1, 182495, 3]）使用predict_pmae，然后进行for循环，例[1, 16384, 3]，再调用_predict_pmae

首先_embed_pointmae，将测试的点云和basic_template里的点云配准，得到reg_data，然后将reg_data维度互换，再通过deep_feature_extractor使用point-mae进行编码，得到pmae_features, center, ori_idx, center_idx，其中维度：

• pmae_features：[1, 1152, 16384]
• center：[1, 16384, 3]
• ori_idx：[1, 16384, 128]
• center_idx：[1, 16384, 3]

其中，num_group是16384，xyz映射后维度总和384*3=1152，group_size = 128

一个group128个点，一共16384个group

patch_scores由 anomaly_scorer.predict得到，维度是[16384]向量

xyz_sampled 维度是[16384, 3]

以最近邻算法，对sample的点周围的点的label做fill操作

最后得到的full_scores维度是[182495]向量

过程中，sample的点的下标需要记录，sample_idx

patch_score得到的分数和sample_idx以及xyz_sampled是一一对应的

以airplane类举例，训练推理一个测试集（100个样例），需要3*2=6个小时