SimpleView: 开源项目介绍与使用教程

1. 项目介绍

SimpleView 是一个开源项目，旨在为点云形状分类提供一种简单而有效的基线。该项目的代码是 ICML 2021 论文 "Revisiting Point Cloud Shape Classification with a Simple and Effective Baseline" 的官方实现。SimpleView 提供了多种模型和工具，用于处理点云数据，并在 ModelNet40 数据集上取得了优异的分类性能。

2. 项目快速启动

在开始使用 SimpleView 之前，请确保您的系统中已安装以下依赖：

• Python 3.7.5
• CUDA 10.0
• CuDNN 7.6
• GCC 5.4

首先，克隆项目仓库：

git clone [e-mail]:princeton-vl/SimpleView.git

然后，创建一个虚拟环境并安装必要的库：

conda create --name simpleview python=3.7.5
conda activate simpleview
pip install -r requirements.txt

接下来，下载数据集和预训练模型：

chmod +x download.sh
./download.sh modelnet40
./download.sh pretrained

3. 应用案例和最佳实践

为了运行实验，使用 main.py 脚本，并指定配置文件：

python main.py --exp-config path/to/config.yaml

配置文件命名格式为 <protocol>_<model_name>_<extra>_run_<seed>.yaml，其中 <protocol> 可以是 dgcnn、pointnet2 或 rscnn，<model_name> 可以是 dgcnn、pointnet2、rscnn、pointnet 或 simpleview。

例如，运行 PointNet++ 在 DGCNN 协议下的实验，配置文件名为 dgcnn_pointnet2_run_1.yaml：

python main.py --exp-config dgcnn_pointnet2_run_1.yaml

对于预训练模型的评估，使用以下命令：

python main.py --entry <test/rscnn_vote/pn2_vote> --model-path pretrained/<cfg_name>/<model_name>.pth --exp-config configs/<cfg_name>.yaml

4. 典型生态项目

SimpleView 可以与其他点云处理项目配合使用，例如：

• PointNet: 用于点云分类和分割的深度学习框架。
• PointNet++: 在点集上实现深度层次特征学习的框架。
• Relation-Shape Convolutional Neural Network (RSCNN): 用于点云分析的卷积神经网络。
• Dynamic Graph CNN (DGCNN): 用于学习点云数据的动态图卷积神经网络。

这些项目共同构成了一个强大的点云处理生态系统，可以用于各种研究和应用场景。