Point Cloud Transformer(PCT)代码实现

最新推荐文章于 2025-06-19 11:53:50 发布
最新推荐文章于 2025-06-19 11:53:50 发布
阅读量6.2k 收藏 58
点赞数 9
CC 4.0 BY-SA版权
文章标签： 深度学习 pytorch 神经网络
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/yuanhaopeng123/article/details/117223101

Point Cloud Transformer（PCT）代码实现

目前最火热的Transformer在自然语言和图像识别中扮演了极其重要的角色，在点云数据集中也不例外，清华大学近期提出在点云中运用Transformer准确率可达93%左右。
PCT论文链接：Point Cloud Transformer（PCT）
清华大学官方代码是Jittor所编写的，尚未真正的开源，其代码链接为：Jittor编写的PCT
而本篇论文所引用的是由Pytorch所编写的PCTPCT-Pytorch
目前我在钻研此论文，看明白后会在此文章中更新自己的理解，谢谢大家的关注！

PCT-Pytorch代码的调试

（1）配置

首先对Requirements所给环境进行配置，最为重要的是配置pointnet2_ops_lib/.在本文件目录下（~/文档/PCT_Pytorch-mian）的终端下输入

pip install pointnet2_ops_lib/.

即可安装pointnet2_ops_lib的配置。

（2）下载数据集

ModelNet40的数据集在：ModelNet40
下载起来非常慢，所以我想上传到CSDN资源，但是其他人已经上传过该资源，需要付费的，所以我上传不了，需要的朋友可以私聊我

最低0.47元/天 解锁文章

200万优质内容无限畅学
Point Cloud Transformer的pytorch代码实现
m0_55038143的博客
03-15 4167
PCT的pytorch实现
「论文阅读」PCT：Point Cloud Transformer
小麋鹿跑了的博客
02-13 4984
目录 PCT的点云处理 编码器（Encoder）： 物体分类 语义分割 法线估计 Naive PCT SPCT 全PCT 受Transformer在视觉和nlp任务方面的成功启发，我们基于传统Transformer的原理，提出了一个用于点云学习的新框架PCT。PCT的核心思想是利用Transformer固有的顺序不变性，避免了点云数据顺序的定义，并通过注意机制进行特征学习。 该文章提出的PCT可以处理的任务有物体分类、语义分割和法线估计。 针对点云处理任务，PCT做出的主要调整如下：
Point Cloud Transformer
laixiangwei的博客
04-04 1581
Point Cloud Transformer 由于点云的不规则性和无序性，我们不能直接使用卷积来进行处理点云。与此同时，注意力机制是一种排序不变、不依赖点连接算子，十分适合点云的操作。 点云的整体架构 点云整体架构由输入嵌入部分——>注意力层——>分割分类构成。其设计主要参考了PointNet和Transformer的设计理念。 输入嵌入部分 输入嵌入部分主要由两种形式构成： 点嵌入（只考虑单点嵌入，使用共享的神经网络，将点云映射到高维空间） 领域嵌入（不只是考虑单点情况，还是用K
pip install pointnet2 ops lib失败
最新发布
weixin_42332746的博客
06-19 160
安装M3DM的运行环境时，pip install pointnet2 ops lib总是失败。可将官网的安装代码换成下面这个。
【三维点云】Point Transformer核心代码详细注释（自学记录）
controlourself的博客
04-17 3722
Point Transformer是一种基于注意力机制的点云处理方法。给定一个输入点云，Point Transformer将点云中每个点的位置信息和特征信息作为输入，然后通过一个带有多头注意力机制的Transformer模型来学习一个新的点云表示。通过 MLP 与位置编码引入了空间信息，并利用基于注意力机制的 Transformer 模型实现了关系学习任务，能够自适应地利用输入的局部点云信息学习全局特征表示。
CVM2021| PCT: Point cloud transformer（分类+分割任务SOTA）
3D视觉工坊
02-11 1197
点击上方“3D视觉工坊”，选择“星标”干货第一时间送达作者丨paopaoslam来源丨泡泡机器人SLAM标题：PCT: Point cloud transformer作者：Meng-Ha...
pct输出
02-26
pct输出
point-transformer-pytorch:Pytorch中Point Transformer层的实现
04-12
点变压器-火炬 在Pytorch中实现自注意层。 上面的简单电路似乎允许他们的小组在点云分类和分割方面胜过所有以前的方法。 安装 $ pip install point-transformer-pytorch 用法 import torch from point_transformer_pytorch import PointTransformerLayer attn = PointTransformerLayer ( dim = 128 , pos_mlp_hidden_dim = 64 , attn_mlp_hidden_mult = 4 ) feats = torch . randn ( 1 , 16 , 128 ) pos = torch . randn ( 1 , 16 , 3 ) mask = torch . ones ( 1 , 16 ). bool
论文阅读【PCT: Point Cloud Transformer】
weixin_47725177的博客
12-05 1310
PCT 论文阅读
点云检测之PCT: Point Cloud Transformer
Blabala的博客
05-22 1880
近些年在NLP领域Transformer越来越火，在CV领域也有人尝试将Transformer应用于图像视觉任务，相较于流行的卷积神经网络具有更好的性能，典型的如目标检测领域的DETR等。Transformer论文逐段精读【论文精读】DETR 论文精读【论文精读】受到Transformer在视觉和NLP任务中成功的启发，这篇论文提出了一种基于Transformer用于点云学习的框架PCT。
【论文阅读】【点云处理】Transformer在点云上的应用
麒麒哈尔的博客
03-26 3814
文章目录PCT: Point Cloud Transformernaive PCTOffset-AttentionNeighbor Embedding for Augmented Local Feature RepresentationExperimentPoint TransformerAttention ModulenetworkExperiment Transformer在点云上的应用的研究处于起步阶段。 Transformer的入门可以看我另外一篇博客：从零入门Transformer。 PCT: P
cloud-tools:PCT文件
05-24
这是Percona Cloud Tools用户文档的存储库。 该文档以编写，并托管在。 更新master分支时，将触发新的构建，并在上发布文档。 主要链接是 。
PCT_Pytorch
03-31
PCT：点云变压器 这是PCT的Pytorch实施：点云变压器。 论文链接： : 要求 python> = 3.7 火炬> = 1.6 h5py scikit学习 和 pip install pointnet2_ops_lib/. 该代码来自 和 楷模 我们在ModelNet40（ ）验证数据集上获得了93.2％的准确性 模型的路径在./checkpoints/train/models/model.t7中 培训和测试示例 # train python main.py --exp_name=train --num_points=1024 --use_sgd=True --batch_size 32 --epochs 250 --lr 0.0001 # test python main.py --exp_name=test --num_points=1024 --use_sgd
PCT:Jittor实施PCT
03-08
PCT：点云变压器 这是PCT的Jittor实现：点云变压器。 论文链接： : 摘录 规则域的不规则和缺乏排序使设计用于点云处理的深度神经网络具有挑战性。 本文提出了一种用于点云学习的新颖框架Point Point Transformer（PCT）。 PCT基于Transformer，在自然语言处理方面取得了巨大的成功，并在图像处理方面显示出巨大的潜力。 它本质上是置换不变的，可以处理一系列点，使其非常适合点云学习。 为了更好地捕获点云中的本地上下文，我们在最远点采样和最近邻居搜索的支持下增强了输入嵌入。 大量实验表明，PCT在形状分类，零件分割和法线估算任务方面达到了最新水平 建筑学 吉托 Jittor是一个易于学习和使用的高性能深度学习框架。 它提供了Pytorch之类的界面。 您可以通过以下链接学习如何使用Jittor： Jittor主页： ：//cg.cs.tsingh
Github代码复现——自监督学习SimCLR跑自己的数据集（TensorFlow2）
03-27
Github代码复现——自监督学习SimCLR跑自己的数据集（TensorFlow2）
pct-cnn:具有相干最近邻的点云变换
06-19
具有相干最近邻的点云变换 具有连贯最近邻的点云变换。 在 Arch Linux 上安装 从 AUR 安装包。 安装带有来自 AUR 的所有依赖项的 。 确保找到了 openni-git。 安装包和 。 为了执行示例，必须删除内核模块 gspca_kinect。 可以为一个会话禁用该模块： $ sudo modprobe -r gspca_kinect 要永久禁用该模块，请在 modprobe.d 中添加一个条目： $ sudo vim /etc/modprobe.d/disable_gspca_kinect 与内容 blacklist gspca_kinect 在 Ubuntu (14.04) 上安装 此设置已在 Ubuntu 14.04 AMD64 VM 上进行了测试。 不幸的是，根据 PCL 主页上的说明安装 libpcl-all 软件包导致了未解决的问题。 我们的解决
【点云系列】Pyramid Point Cloud Transformer for Large-Scale Place Recognition
weixin_43882112的博客
11-20 2308
文章目录1. 简介2. 动机3. 方法整体框架：图嵌入模块：Transformer模块：金字塔VLAD门限机制4. 实验检索效果比对参数总量列表：消融实验：5. 参考 1. 简介 ICCV 2021 论文：https://openaccess.thecvf.com/content/ICCV2021/papers/Hui_Pyramid_Point_Cloud_Transformer_for_Large-Scale_Place_Recognition_ICCV_2021_paper.pdf 代码： https
《论文阅读》PCT: Point Cloud Transformer
未知丶的博客
02-19 5245
留个笔记自用 PCT: Point Cloud Transformer 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，点云是3D的采样 做了什么 跟另外一篇Point transformer的说法非常相似，将
PCT: Human Pose as Compositional Tokens的复现
qq_35545535的博客
06-18 1300
复现成功的环境,加粗的部分重点注意。主要还是下面几个模块的问题。
PCT: Point cloud transformer代码】
04-03
好的，我现在要帮用户找到关于Point Cloud Transformer（PCT）的代码实现，特别是GitHub仓库和教程。首先，我需要确认PCT的基本信息，确保我理解这个模型的结构和应用。Point Cloud Transformer是处理点云数据的模型...
评论 42
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