点云降噪挑战赛（赛道二）

清华大学计算机图形学基础课程挑战赛 — 基于深度学习的点云降噪。

本项目以 StraightPCF（CVPR 2024）为 baseline，使用 Jittor（计图） 框架，目标是在 A/B 榜的 CD 与 P2S 百分制评分中取得最优成绩。

任务简介

给定含噪三维点云，模型预测每个点的位移向量，将点「推回」真实物体表面，输出与输入点数相同的降噪点云。

• 输入： noisy.npy，shape (N, 3)，float32
• 输出： denoised.npy，shape (N, 3)，float32
• 评测： Chamfer Distance（CD）与 Point-to-Surface（P2S）各占 50%

仓库结构

jittor/
├── README.md
├── .gitignore
├── docs/
│   ├── 赛道二-基于深度学习的点云降噪任务.md
│   └── method_ai_generated.md
├── starter_code/          # Jittor baseline + strong_vm_v1 改造
│   ├── run.py
│   ├── evaluate.py
│   ├── configs/
│   ├── datalist/
│   ├── src/
│   └── tools/
└── data/                  # 本地数据目录，git 忽略

data/、experiments/、results/、*.npy、*.pkl 等大文件或训练产物不纳入版本库。starter_code/ 下用符号链接兼容 baseline 的相对路径：

starter_code/dataset_train -> ../data/dataset_train
starter_code/dataset_test_noisy -> ../data/dataset_test_noisy

数据与代码（赛方提供）

资源	链接
A 榜训练集（mesh）	dataset_train.tar.gz
A 榜测试集（含噪点云）	dataset_test_noisy.zip
Baseline / Starter Code	starter_code.zip

服务器上下载后建议目录布局：

data/raw/dataset_train.tar.gz
data/raw/dataset_test_noisy.zip
data/dataset_train/
data/dataset_test_noisy/

环境配置

conda create -n jittor python=3.9 -y
conda activate jittor
conda install -c conda-forge gcc=10 gxx=10 libgomp -y

cd starter_code
python -m pip install -r requirements.txt

训练与推理

python run.py --task configs/task/train_vm.yaml
python run.py --task configs/task/predict_vm.yaml

类别专家模型：

python tools/train_category_experts.py --epochs 100
python tools/predict_category_experts.py --fallback-ckpt experiments/vm/checkpoint_99.pkl

快速正确性检查：

JITTOR_FORCE_CPU=1 python run.py --task configs/task/smoke_train_vm.yaml
JITTOR_FORCE_CPU=1 python run.py --task configs/task/smoke_predict_vm.yaml
JITTOR_FORCE_CPU=1 python tools/overfit_sanity.py

本地评测（需 gt 与 mesh 目录）：

python evaluate.py \
    --pred_dir ./results \
    --gt_dir ./test_gt \
    --noisy_dir ./test_noisy \
    --mesh_dir ./dataset_clean \
    --workers 8 \
    --verbose

Baseline 参考

• StraightPCF: 论文 · 官方 PyTorch 代码
• 参数量约 530K，单卡 RTX 3060（12GB）可训练；完整数据集训练耗时较长，可考虑多卡并行类别模型

赛题规则要点

• 必须使用 Jittor
• 不得使用赛方提供数据集以外的训练数据
• 不同类别可使用不同模型与权重（允许）
• 提交点数必须与输入严格一致
• 有效成绩需开源代码

许可证

赛题代码开源要求以赛事官方说明为准。本仓库文档与规划内容为课程挑战赛项目材料。