shape_as_points
Shape As Points（SAP）是一款专为三维几何处理设计的开源算法库，核心功能是将离散的点云数据高效转化为高质量的三维网格表面。它主要解决了传统重建方法在面对噪声大、存在异常值或缺乏法线方向的点云时，难以生成平滑且拓扑正确模型的难题。
该项目的技术亮点在于提出了一种“可微分的泊松求解器”。不同于传统固定流程，SAP 将表面重建过程数学化并可微分，这意味着它既能作为独立的优化算法直接处理数据，也能作为一个模块嵌入到深度学习网络中进行端到端训练。这种特性使其在抗噪性和处理复杂几何结构方面表现卓越，曾荣获 NeurIPS 2021 口头报告奖。
Shape As Points 非常适合计算机视觉与图形学领域的研究人员、算法工程师以及需要处理激光雷达或扫描数据的开发者使用。如果你正在探索从无序点云到高保真三维模型的自动化重建方案，或者希望将几何先验知识融入神经网络训练，这款工具提供了坚实的代码实现与理论支持。虽然其部署需要一定的编程基础（如 Python 和 PyTorch），但其清晰的文档和示例脚本能帮助用户快速上手验证效果。
使用场景
某自动驾驶感知团队正在处理车载激光雷达采集的原始点云数据，试图从含有大量动态物体干扰和传感器噪声的稀疏点云中重建高精度的 3D 道路及障碍物表面模型。
没有 shape_as_points 时
- 法线估计困难：原始点云缺乏方向信息，传统算法在噪声干扰下难以准确估算表面法线，导致重建曲面出现严重翻转或破裂。
- 抗噪能力薄弱：面对车辆行驶产生的离群点和大幅抖动，现有泊松重建方法容易将噪声误判为几何特征，生成充满伪影的粗糙网格。
- 流程不可微分：重建过程是黑盒操作，无法嵌入端到端的深度学习网络中进行联合优化，限制了模型在复杂场景下的自适应能力。
- 人工干预繁琐：工程师需花费大量时间手动清洗数据或调整阈值参数，难以满足实时性要求。
使用 shape_as_points 后
- 自动定向优化：shape_as_points 通过可微分泊松求解器，直接从无向点云中联合优化点的位置与法线方向，无需预计算法线即可生成拓扑正确的曲面。
- 鲁棒去噪重建：即使在存在大幅噪声和离群点的极端条件下，该工具仍能平滑拟合潜在表面，有效过滤干扰并保留关键几何细节。
- 支持端到端训练：得益于完全可微分的特性，shape_as_points 可作为神经网络的一层插入架构中，让模型自动学习如何从含噪数据中恢复最佳形状。
- 自动化流水线：显著减少了对人工调参的依赖，实现了从原始脏数据到高质量网格的自动化快速产出。
shape_as_points 的核心价值在于将传统的几何重建问题转化为可学习的优化任务，彻底解决了噪声环境下从无向点云到高质量水密网格的生成难题。
运行环境要求
- Linux
需要 NVIDIA GPU (因依赖 PyTorch3D)，具体型号和显存未说明，需安装对应版本的 CUDA
未说明 (学习版数据集下载约 220GB，建议大内存)
快速开始
形状即点云 (SAP)
论文 | 项目主页 | 短视频 (6 分钟) | 长视频 (12 分钟)
本仓库包含论文的实现：
形状即点云：一种可微分的泊松求解器
彭松友、蒋驰宇 "Max"、廖一依、迈克尔·尼迈耶、马克·波勒费斯 和 安德烈亚斯·盖格
NeurIPS 2021（口头报告）
如果您觉得我们的代码或论文有用，请考虑引用以下内容：
@inproceedings{Peng2021SAP,
author = {Peng, Songyou and Jiang, Chiyu "Max" and Liao, Yiyi and Niemeyer, Michael and Pollefeys, Marc and Geiger, Andreas},
title = {Shape As Points: A Differentiable Poisson Solver},
booktitle = {Advances in Neural Information Processing Systems (NeurIPS)},
year = {2021}}
安装
首先，您需要确保所有依赖项都已安装。最简单的方法是使用 anaconda。
您可以创建一个名为 sap 的 anaconda 环境，方法如下：
conda env create -f environment.yaml
conda activate sap
接下来，您需要自行安装 PyTorch3D (≥0.5)，请参考其官方安装指南。
此外，还需安装 PyTorch Scatter：
conda install pytorch-scatter -c pyg
演示 - 快速入门
首先，运行脚本以获取演示数据：
bash scripts/download_demo_data.sh
基于优化的三维表面重建
现在您可以快速在预告片中展示的数据上测试我们的代码。只需运行以下命令：
python optim_hierarchy.py configs/optim_based/teaser.yaml
该脚本将在 out/demo_optim 文件夹中生成输出网格以及不同网格分辨率下的优化定向点云。
若想实时可视化优化过程，可在 configs/optim_based/teaser.yaml 中将 o3d_show: True 设置为开启。
基于学习的三维表面重建
您还可以在另一个应用场景中测试 SAP，即利用训练好的网络从无方向性的点云中进行重建，这些点云可能含有 大量噪声 或 离群点。
对于如上所示的含大量噪声的点云，您可以运行：
python generate.py configs/learning_based/demo_large_noise.yaml
结果将保存在 out/demo_shapenet_large_noise/generation/vis 目录下。
而对于含有离群点的点云，则可运行：
python generate.py configs/learning_based/demo_outlier.yaml
重建结果将位于 out/demo_shapenet_outlier/generation/vis 目录中。
数据集
我们为基于优化和基于学习的设置准备了不同的数据集。
基于优化重建的数据集
我们考虑以下数据集：
- Thingi10K（合成数据）
- 表面重建基准 (SRB)（真实扫描数据）
- MPI 动态 FAUST（真实扫描数据）
如果您使用这些数据，请务必引用相应的论文。
您可以通过运行以下命令下载处理后的数据集（约 200 MB）：
bash scripts/download_optim_data.sh
基于学习重建的数据集
我们在 ShapeNet 上进行训练和评估。您可以通过运行以下命令下载处理后的数据集（约 220 GB）：
bash scripts/download_shapenet.sh
执行后，数据将存储在 data/shapenet_psr 文件夹中。
或者，您也可以自行预处理数据集。为此，您可以：
- 首先下载预处理过的数据集（73.4 GB），方法是运行 Occupancy Networks 项目中的脚本。
- 查看
scripts/process_shapenet.py，修改基础路径并运行代码。
基于优化的三维重建用法
对于基于优化的设置，您可以采用由粗到精的策略：
python optim_hierarchy.py configs/optim_based/CONFIG.yaml
我们从 32^3 的网格分辨率开始，逐步增加到 64^3、128^3，最后达到 256^3。
或者，您也可以在单一分辨率下运行：
python optim.py configs/optim_based/CONFIG.yaml
您可能需要相应地调整 CONFIG.yaml 文件。
基于学习的三维重建用法
网格生成
要使用训练好的模型生成网格，请运行：
python generate.py configs/learning_based/CONFIG.yaml
其中，将 CONFIG.yaml 替换为正确的配置文件。
使用预训练模型
最简单的方式是使用预训练模型。您可以选择带有 _pretrained 后缀的配置文件。
例如，要使用我们的具有 7 个偏移量的模型从含有离群点的点云中进行 3D 重建，只需运行：
python generate.py configs/learning_based/outlier/ours_7x_pretrained.yaml
该脚本会自动下载预训练模型并执行生成操作。生成结果将保存在 out/.../generation_pretrained 文件夹中。
注意：配置文件仅用于生成，不用于训练新模型。当这些配置文件用于训练时，模型将从零开始训练，但在推理阶段，我们的代码仍将使用预训练模型。
我们提供了以下预训练模型：
noise_small/ours.pt
noise_large/ours.pt
outlier/ours_1x.pt
outlier/ours_3x.pt
outlier/ours_5x.pt
outlier/ours_7x.pt
outlier/ours_3plane.pt
评估
为了评估训练好的模型，我们提供了 eval_meshes.py 脚本。您可以使用以下命令运行它：
python eval_meshes.py configs/learning_based/CONFIG.yaml
该脚本会读取上一步生成的网格，并按照标准化协议对其进行评估。评估结果将以 .pkl 和 .csv 文件的形式写入对应的生成文件夹中，这些文件可以使用 pandas 进行处理。
训练
最后，要从头训练一个新的网络，只需运行：
python train.py configs/learning_based/CONFIG.yaml
有关可用的训练选项，请参阅 configs/default.yaml 文件。
常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。
PaddleOCR
PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来，转换成计算机可读取的结构化数据，让机器真正“看懂”图文内容。 面对海量纸质或电子文档，PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域，它扮演着连接图像与大型语言模型（LLM）的桥梁角色，能将视觉信息直接转化为文本输入，助力智能问答、文档分析等应用场景落地。 PaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显：不仅支持全球 100 多种语言的识别，还能在 Windows、Linux、macOS 等多个系统上运行，并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目，PaddleOCR 既能满足快速集成的需求，也能支撑前沿的视觉语言研究，是处理文字识别任务的理想选择。
tesseract
Tesseract 是一款历史悠久且备受推崇的开源光学字符识别（OCR）引擎，最初由惠普实验室开发，后由 Google 维护，目前由全球社区共同贡献。它的核心功能是将图片中的文字转化为可编辑、可搜索的文本数据，有效解决了从扫描件、照片或 PDF 文档中提取文字信息的难题，是数字化归档和信息自动化的重要基础工具。 在技术层面，Tesseract 展现了强大的适应能力。从版本 4 开始，它引入了基于长短期记忆网络（LSTM）的神经网络 OCR 引擎，显著提升了行识别的准确率；同时，为了兼顾旧有需求，它依然支持传统的字符模式识别引擎。Tesseract 原生支持 UTF-8 编码，开箱即用即可识别超过 100 种语言，并兼容 PNG、JPEG、TIFF 等多种常见图像格式。输出方面，它灵活支持纯文本、hOCR、PDF、TSV 等多种格式，方便后续数据处理。 Tesseract 主要面向开发者、研究人员以及需要构建文档处理流程的企业用户。由于它本身是一个命令行工具和库（libtesseract），不包含图形用户界面（GUI），因此最适合具备一定编程能力的技术人员集成到自动化脚本或应用程序中