实施与ImageNet-预训练ResNet50图像编码器和FC / FC-UpConv解码器
变化:
支持以视图为中心和以形状为中心的训练(以形状为中心的效果更好)
同时支持倒角距离和土方距离,因为损耗(EMD速度较慢,但性能要好一些)
训练10,000个地面真点可提高1K / 2K训练的性能(这类似于最近基于SDF的方法,其中通常会采样> 10,000个查询点)
要使用,请先编译cd和emd (请参阅自述文件),然后运行
bash train.sh
要下载数据,请单击下载Chair数据(10K采样点云+ 24个随机视角的渲染图像)。 请注意,这是在PartNet数据拆分之后进行的。 您需要切换到其他论文中使用的那些。
在Ubuntu 16.04,Cuda 9.0,Python 3.6.5,PyTorch 1.1.0上测试了代码。
此代码使用Blender v2.79渲
2021-02-20 12:04:11
290KB
Python
1