Point Cloud Transformer (PCT) for ModelNet40 Classification

基于计图（Jittor）框架实现的 PCT 点云分类模型，用于 ModelNet40 三维形状分类任务。

环境安装

• Python >= 3.10
• Jittor >= 1.3.11

pip install jittor numpy

数据准备

从计图挑战赛提供的链接下载 ModelNet40 点云数据，解压后放入 data/ 目录：

data/
├── train_points.npy    # (9843, 2048, 3)
├── train_labels.npy    # (9843,)
└── test_points.npy     # (2468, 2048, 3)

训练

python src/train.py --data_dir data --epochs 200 --n_points 2048 --batch_size 64

参数	默认值	说明
--data_dir	./data	数据集路径
--epochs	200	训练轮数
--n_points	2048	每样本采样点数
--batch_size	64	批大小（RTX 4090 可用 64，低显存请减半）
--lr	0.01	初始学习率
--seed	42	随机种子

评测

训练完成后自动生成提交文件：

# result.json  -- 测试集预测结果（2468 条）
# result.zip   -- 提交包

结果

指标	数值
模型参数量	1.37M
训练数据	ModelNet40 (9843 训练 / 2468 测试)
测试集准确率	87.02%
训练设备	NVIDIA RTX 4090D (24GB)
训练耗时	~69 分钟 (200 epochs)

模型结构

PCT (Point Cloud Transformer)，包含 4 层 Self-Attention + 全局最大池化 + 全连接分类头。

参考文献：

• Guo M H, Cai J X, Liu Z N, et al. PCT: Point Cloud Transformer[J]. Computational Visual Media, 2021, 7(2): 187-199.