Neural-Pull曲面重建程序配置

前几天一篇曲面重建文章的审稿意见回来了，要求加近三年对比方法。在github上搜了一些项目，大部分的环境都很难配置成功。最后找了一个ICML2021年的点云重建项目[1]作为实验对比。

项目链接：mabaorui/NeuralPull-Pytorch

整体来说，该项目的配置比较容易，但是有几个比较蛋疼的地方需要注意：

1. 在安装pyhocon的时候报错

ERROR: Error [WinError 225] 无法成功完成操作，因为文件包含病毒或潜在的垃圾软件: while executing command python setup.py egg_info。

这里我是在pycharm里面使用setting内部的搜索实现安装的。

 2. 解析npull.conf出错：

general {
    base_exp_dir = ./outs/
    recording = [
        ./,
        ./models
    ]
}

dataset {
    data_dir = data/
    np_data_name = carnew1w_norm.npz
}

train {
    learning_rate = 0.001
    maxiter = 40000
    warm_up_end = 1000
    eval_num_points = 100000


    batch_size = 5000

    save_freq = 5000
    val_freq = 2500
    report_freq = 1000

    igr_weight = 0.1
    mask_weight = 0.0
}

model {
    sdf_network {
        d_out = 1
        d_in = 3
        d_hidden = 256
        n_layers = 8
        skip_in = [4]
        multires = 0
        bias = 0.5
        scale = 1.0
        geometric_init = True
        weight_norm = True
    }
}

我查看了pyhocon包的说明，发现这个.conf的格式有一点问题。我按照说明将conf的格式改了一下，如下所示：

general: {
    base_exp_dir : ./outs/
    recording : [
        ./,
        ./models
    ]
}

dataset: {
    data_dir : data/
    np_data_name : carnew1w_norm.npz
}

train: {
    learning_rate : 0.001
    maxiter : 40000
    warm_up_end : 1000
    eval_num_points : 100000
    batch_size : 5000
    save_freq : 5000
    val_freq : 2500
    report_freq : 1000
    igr_weight : 0.1
    mask_weight : 0.0
}

model: {
    sdf_network : {
        d_out : 1 #
        d_in : 3 #
        d_hidden : 256 #
        n_layers : 8
        skip_in : [4]
        multires : 0
        bias : 0.5
        scale : 1.0
        geometric_init : True
        weight_norm : True
    }
}

这里需要注意的是，在d_out : 1和d_in : 3 之后记得加#，否则解析程序会把相关的数据错误的理解为一个长的时间格式字符串。这个应该是一种特殊的数据格式。在将.conf数据进行修改后，  程序就可以跑通了：

Reference

[1] B. Ma, Z. Han, et al. Neural-Pull: Learning Signed Distance Functions from Point Clouds by Learning to Pull Space onto Surfaces:, 10.48550/arXiv.2011.13495[P]. 2020.