Mesh-gpt（点处理、保存脚本，Transformer）seo优化

Mesh-gpt（点处理、保存脚本，Transformer）

news/2024/10/2 18:30:16

小结：

1、配置了学长的环境，并编写点处理（旋转、镜像）和保存（由内存numpy数组到shp文件）脚本。

2、初步阅读mesh-gpt论文，思考Transformer网络架构（翻译模型和补全模型的训练区别）

环境配置

pip install torch==2.1.2 torchvision==0.16.2 torchaudio==2.1.2 --index-url https://download.pytorch.org/whl/cu118

pip install git+https://github.com/peng0817-3dv/floorplan-reconsturtion-based-plane-triangle.git

pip list

安装缺少的库

pip install pytest
pip install matplotlib

1、尝试运行test/load_shp_test.py ，报错

多种办法完美解决AttributeError: module ‘backend_interagg‘ has no attribute ‘FigureCanvas‘_matplotlib.use('tkagg')-CSDN博客

添加

成功运行test/load_shp_test.py ，并生成load_shp_test目录结果

数据增强

faces和edges存的是vertices的索引（face是三个点+置信度信息；edge是两个点+置信度信息），也就是说face和edge本身并不包含任何位置信息，有位置的是vertices的坐标。

数据结构

vertices = [(x1, y1), (x2, y2), ...]
vertices_confidence = [pv1, pv2, ...]edges = [(1, 0), (15, 1), ...] #边的两端点序号
edges_confidence = [ev1, ev2, ...]
point_id_to_edges_id = { point1_id : [edge1_id,edge2_id,...], point2_id:[...] }faces = [(15, 1, 0), (39, 60, 38), ...] # 边的三端点序号
faces_confidences = [ef1, ef2, ...]
faces_label = [-1, -1, ...]

所以生成旋转/翻转的数据（数据增强）实际上是对点集vertices的处理

原始点集

在加载点的函数get_vertices_data中对点进行90度旋转

在二维空间中，绕原点逆时针旋转一个角度θ的变换可以用以下公式表示：

新的x' = x * cos(θ) - y * sin(θ)
新的y' = x * sin(θ) + y * cos(θ)

对于90度的旋转（θ = 90° 或 π/2 弧度），cos(π/2) = 0 且 sin(π/2) = 1，所以变换公式简化为：

新的x' = -y
新的y' = x

结果（左侧为原始的，右侧为旋转90度）

封装函数

定义rotate_vertices对点进行旋转，旋转角度（90 / 180 / 270）

定义mirror_vertices对点进行镜像，镜像轴（x / y)

def rotate_vertices(vertices, angle):"""对点进行旋转:param vertices::param angle: 旋转角度（90 / 180 / 270）:return:"""if angle == 90:rotated_vertices = [(-y, x) for x, y in vertices]elif angle == 180:rotated_vertices = [(-x, -y) for x, y in vertices]elif angle == 270:rotated_vertices = [(y, -x) for x, y in vertices]return rotated_verticesdef mirror_vertices(vertices, axis):"""对点进行镜像:param vertices::param axis: 镜像轴（x / y):return:"""if axis == 'x':mirrored_vertices = [(x, -y) for x, y in vertices]elif axis == 'y':mirrored_vertices = [(-x, y) for x, y in vertices]return mirrored_vertices

只需要加载点后备份并进行vertices变换便可得到增强的数据