Searein/Jittor-2026

多模型协同的三维点云降噪

🏛️ 南开大学 NKAI · 🏆 第六届计图挑战赛 · 赛道二第 10 名

🧠 方法 / 🚀 快速开始 / 📖 复现文档 / 📦 模型权重 / 🔧 训练配置

两个 3DMambaIPF 成员与一个 IterativePFN 提供主体预测，StraightPCF VM 提供参考位移。我们在 Jittor 上实现成员推理、重叠 Patch 软融合与逐坐标中位数融合，并固定小幅 VM 残差校正。

📌 当前发布：最终方案源码、四成员 checkpoint、SHA-256 校验、复现脚本与训练配置说明。数据集通过赛事渠道获取。最终赛事排名：第 10 名。

🧠 方法概览

三个主体取逐坐标中位数，VM 通过负 0.01 残差完成校正

层次	设计	实现入口
成员训练	相同 Mamba 架构采用不同数据构造与 checkpoint，加入 IPFN 结构差异	训练说明
局部拼接	重叠 Patch 根据归一化中心距离进行 softmax 加权	Mamba 推理 · IPFN 推理
模型融合	三个主体按原始点索引对齐，逐坐标取中位数	融合脚本
参考校正	VM 位移以固定 −0.01 系数修正中位数	整体方法
Jittor 实现	`jt.code` 选择性扫描前向/反向、状态检查点重算、高维 KNN	算子目录

$\hat{X} = \mathrm{median}_{\mathrm{coord}}(M_{48K},M_{60K},I_{1024}) - 0.01 (V-X)$

这里的中位数只包含三个主体预测；VM 不参与中位数。所有输出保持输入点数和原始索引。

🚀 快速开始

目标环境为 Linux + NVIDIA CUDA，Python 3.10、Jittor 1.3.11.0。Windows 可用于阅读源码，CUDA 推理请使用 Linux 环境。

git clone https://github.com/July-h5kf3/Jittor-2026.git
# 国内镜像：git clone https://gitlink.org.cn/Searein/Jittor-2026.git
cd Jittor-2026/solution

conda create -n nkai-jittor python=3.10 -y
conda activate nkai-jittor
pip install -r requirements.txt

# 下载四成员权重，并逐文件核验 SHA-256
python tools/download_weights.py

# 指向你已下载的官方测试数据：<INPUT_ROOT>/shapenet/.../noisy.npy
export INPUT_ROOT=/path/to/official_test
python tools/prepare_keys.py --input-root "$INPUT_ROOT" --expected-count 200
python tools/check_release.py --input-root "$INPUT_ROOT"

# 单 GPU 顺序执行四成员；首次运行会编译 Jittor CUDA 算子
WORLD_MAMBA=1 WORLD_IPFN=1 WORLD_VM=1 bash scripts/run_reproduce.sh

结果输出至 solution/result.zip，逐点预测位于 solution/preds/。提交打包器对应 200 个 btest_* 样本、每例 50,000 点；环境准备、分成员运行与自定义数据说明见复现指南。

🧩 四成员配置

成员	数据构造/作用	发布权重
Mamba mix75	≤1,024 原始顶点；75% 概率进行 [0.95, 1.05] 尺度抖动	48,000 step
Mamba v8192	≤8,192 原始顶点；关闭尺度抖动	60,000 step
IterativePFN 1024	四阶段 EdgeConv；阶段监督与度量代理	epoch 10
StraightPCF VM	固定参考残差；不进入中位数	epoch 10

训练 patch 为 1,000 点；主体推理 patch 为 2,000 点。数据构造中的原始顶点数与 patch 大小是不同参数。训练入口、配置与准备步骤见训练说明。

🗂️ 仓库结构

展开查看源码与文档目录

solution/                  当前最终方案
├── code/                  Mamba / IPFN / VM 的 Jittor 源码
├── fusion/                三主体中位数与 VM 残差
├── scripts/               分成员推理与结果打包
├── tools/                 权重下载、数据清单与发布检查
├── weights/               小型配置与 SHA-256 清单；大权重见 Releases
└── a_board/               历史复审材料，保留来源链
docs/                      复现、训练、权重、引用与框架图
src/ · configs/ · scripts/  原仓库早期实验代码，保留供追溯

根目录旧 src/ 流程不是本次最终方案的运行入口。历史首页与方法文档见 docs/history，实验记录见 EXPERIMENTS.md。

📦 发布与验证

🌐 源码平台：GitHub · GitLink。
v1.0.0 权重发布：四个成员、训练元数据与校验清单。
CPU 检查：python -m unittest discover -s solution/tests -v。
数据不入库，预测与编译缓存不入库；所有 checkpoint 以 manifest 定位和核验。
有关错误或复现差异，请在 Issues 提供环境、完整命令及报错。

🤝 团队与引用

NKAI · 南开大学：李佳璞、刘迪乘、曲恒睿。

感谢 Jittor、3DMambaIPF、IterativePFN 与 StraightPCF 的工作。本项目采用已有网络设计，并围绕 Jittor 实现、训练组织和推理融合进行整理与实现；不将参考模型结构作为本团队原创。

NKAI 自有新增代码按 MIT 许可；第三方组件、数据和模型遵循各自适用条款。来源与学术引用见 THIRD_PARTY.md 和 CITATION.cff。

NKAI · Nankai University
Code, models and reproducible inference.

↑ 返回顶部