train{ folderprefix = "" input_path = ../data/input_data/ fileprefix_list = [ 00000050_0_50k, #broken_bullet_50k, # more input models can be added here ] d_in = 3 # 输入数据的维度。在3D点云数据中,通常为3(x、y、z坐标) plot_frequency = 5000 # 每5000次迭代绘制一次点云 checkpoint_frequency = 5000 status_frequency = 100 weight_decay = 0 learning_rate_schedule = [{ "Type" : "Step", # 学习率调度类型。"Step"表示在指定迭代次数后将学习率乘以因子 "Initial" : 0.005, "Interval" : 2000, "Factor" : 0.5 }] network_class = model.network.NHRepNet # 网络类型。NHRepNet是neural halfspace representation network的缩写 } plot{ resolution = 128 # 体素网格的分辨率。128表示体素网格的每个维度有128个单元格 mc_value = 0.0 # 体素网格的体素值。0.0表示体素网格的体素值为0 is_uniform_grid = True verbose = False save_html = False save_ply = True overwrite = True } network{ inputs{ dims_sdf = [256, 256, 256] # 体素网格的维度。[256, 256, 256]表示体素网格的每个维度有256个单元格 skip_in = [] # 跳过输入的索引。[]表示不跳过任何输入 geometric_init= True # 几何初始化。True表示使用几何初始化 radius_init = 1 # 半径初始化。1表示半径初始化为1 beta=100 # beta值。100表示beta值为100 } sampler{ sampler_type = NormalPerPoint # 采样器类型。NormalPerPoint表示每个点都使用正态分布采样 properties{ global_sigma = 1.8 # 全局sigma值。1.8表示全局sigma值为1.8 local_sigma = 0.01 # 局部sigma值。0.01表示局部sigma值为0.01 } } loss{ lambda = 1 # 损失函数中的lambda值。1表示lambda值为1 normals_lambda = 1 # 损失函数中的normals_lambda值。1表示normals_lambda值为1 } }