1. 项目概述：为什么点云分类需要“自动增强”这味药？

PointAugment——光看名字，你可能以为是某个3D建模插件，或是某款AR滤镜的内部代号。但其实它是一套专为点云分类任务量身定制的自动增强框架。我第一次在某高校实验室的预印本里看到这个名字时，正被手头一个工业零件缺陷识别项目卡住：激光雷达扫出来的点云稀疏、视角单一、金属反光导致局部点缺失严重，人工写几条旋转+抖动+裁剪规则，模型在测试集上准确率始终卡在82%上不去。后来才明白，问题不在模型结构，而在数据本身——我们给模型喂的“食物”太单调、太脆弱，它根本没机会学会真正鲁棒的特征表达。

点云和图像完全不同。图像是规整的二维网格，像素有明确的空间邻接关系，翻转、裁剪、色彩扰动这些操作天然成立；而点云是无序、非结构化、稀疏分布的三维坐标集合（x, y, z），外加可选的反射强度、颜色等属性。你随便对点云做一次“水平翻转”，如果没同步处理法向量或语义标签，模型学到的可能是错误的几何先验；你粗暴地随机丢弃10%的点，可能直接把一个关键的螺栓头整个抹掉。所以，传统CV里那套“增强即暴力扰动”的思路，在点云领域不仅效果差，还容易引入灾难性偏差。

PointAugment要解决的，就是这个根本矛盾：如何让增强操作既符合三维几何本质，又能被模型真正“理解”并受益？它不靠工程师拍脑袋写规则，而是把增强策略本身变成一个可学习、可优化的模块，嵌入到训练流程中。简单说，它让模型自己决定“此刻最该学什么”——是该多看看不同角度的轮毂，还是该重点分辨锈迹和划痕的点分布差异？这种动态、自适应、几何感知的增强逻辑，正是它区别于所有手工增强方案的核心。如果你正在做自动驾驶感知、工业质检、室内场景理解这类依赖点云的任务，又苦于数据少、标注贵、模型泛化差，PointAugment不是锦上添花，而是实实在在的破局点。

2. 整体设计与思路拆解：从“人工调参”到“策略学习”的范式转移

2.1 为什么不能沿用图像增强的老路？——点云的三大刚性约束

很多刚接触点云的朋友会下意识想：“把ImageNet那套CutMix、AutoAugment搬过来不就行了？”我试过，结果很惨烈。根本原因在于点云存在三个图像没有的硬性物理约束，任何增强操作都必须绕不开：

• 无序性约束（Permutation Invariance）：点云中点的顺序完全无关紧要。[p1, p2, p3] 和 [p3, p1, p2] 表达的是同一个物体。这意味着所有增强操作必须对点的排列完全不敏感。比如，你不能设计一个“只扰动前100个点”的操作，因为下一次采样，这100个点可能就变成了完全不同的区域。

• 刚体变换一致性约束（Rigid Transformation Consistency）：真实世界中的物体移动，遵循平移、旋转、缩放（均匀）等刚体变换。增强时若只旋转点坐标而不同步旋转其法向量（如果存在），或者只缩放坐标却不缩放点的特征（如反射强度），就会破坏物理一致性。模型学到的特征，可能只是对这种人为制造的不一致性的过拟合。

• 稀疏性与局部结构保真约束（Sparsity & Local Structure Preservation）：典型车载激光雷达单帧点云约10万点，但覆盖一辆车时，车顶、轮胎、后视镜等关键部位的点密度可能相差10倍以上。过度裁剪或随机丢点，极易破坏局部几何结构（如一条边缘线被截断成两段），而点云模型恰恰最依赖这种局部邻域关系来提取特征。

PointAugment的设计起点，就是直面这三重约束。它没有试图“绕开”它们，而是把它们编码进增强策略的学习目标里——策略生成器输出的操作，必须天然满足无序性（通过使用对称函数聚合点特征），必须保证刚体一致性（所有操作参数统一作用于坐标+法向量+特征），必须通过局部图卷积评估操作对关键结构的破坏程度。

2.2 核心架构：策略生成器 + 增强执行器 + 可微分评估器的闭环

PointAugment不是单个模型，而是一个精巧的三模块协同系统。我把它的工作流画成一个闭环，每一步都踩在点云的物理特性上：

1. 策略生成器（Policy Generator）：这是整个框架的“大脑”。它接收当前批次点云的全局描述（比如，通过PointNet++提取的1024维全局特征向量），然后输出一组增强策略的概率分布。注意，这里不是输出“执行旋转30度”，而是输出“旋转操作被选中的概率为0.7，缩放操作为0.2，点删除为0.1”。这个分布是可学习的，由一个轻量级MLP实现。关键创新在于，它的输入特征不是原始点坐标，而是经过几何编码的特征——比如，点云的曲率分布直方图、各向异性指标、以及主成分分析（PCA）得到的三个主轴能量比。这些特征直接反映了点云的内在几何复杂度，让策略生成器能“读懂”数据：面对一个结构简单的立方体，它更倾向选择缩放；面对一个枝杈繁多的树木点云，它则更偏好小幅度的局部形变。

2. 增强执行器（Augmentation Executor）：这是“手”。它根据策略生成器输出的概率分布，采样出具体的增强操作组合（例如：先绕Z轴旋转15度，再沿X轴平移0.2米，最后随机删除5%的点）。所有操作均采用可微分实现。比如，旋转不是用离散的旋转矩阵查表，而是用罗德里格斯公式（Rodrigues' formula）参数化，梯度可以完整回传；点删除也不是真的剔除点，而是给每个点分配一个[0,1]的保留权重，通过Gumbel-Softmax技巧使其可微。这确保了整个增强过程不是黑箱，而是训练流程中可优化的一环。

3. 可微分评估器（Differentiable Evaluator）：这是“眼睛”和“反馈”。它不评价增强后的点云“好不好看”，而是评估“这次增强对当前模型训练是否有价值”。具体做法是：将原始点云和增强后点云分别送入主干网络（如PointNet或DGCNN），提取各自的特征向量，然后计算它们的余弦相似度。这个相似度值被设计成一个奖励信号（Reward）：如果增强后的特征与原始特征高度相似，说明增强太弱，没带来新信息；如果相似度太低，说明增强过猛，破坏了语义。评估器的目标，就是让这个奖励值稳定在一个“黄金区间”（实测发现0.6~0.75效果最佳），从而倒逼策略生成器学会生成“恰到好处”的扰动。

这个闭环的精妙之处在于，它把增强从一个静态预处理步骤，变成了一个与主干网络联合优化的动态组件。模型在学分类的同时，也在学“怎么教自己学得更好”。我在复现时发现，训练初期策略生成器会高频选择“小幅度旋转”，随着模型对姿态鲁棒性提升，它会逐渐转向“局部点扰动”和“模拟遮挡”，这种自适应演化过程，是任何手工规则都无法模拟的。

2.3 与AutoAugment、RandAugment的本质区别：从“搜索空间”到“几何空间”

很多人会把PointAugment和图像领域的AutoAugment类比，认为它只是把搜索空间从图像操作换成了点云操作。这是个巨大误解。根本区别在于搜索空间的定义维度：

• AutoAugment（图像）：搜索空间是离散的、高维的、语义化的。它在{ShearX, TranslateY, Invert, Equalize...} 这几十个操作中，为每张图选择5个操作的组合，并为每个操作指定一个强度（0~10的整数）。搜索空间大小是 O(10^5)，靠强化学习或贝叶斯优化在验证集上搜索。

• PointAugment（点云）：搜索空间是连续的、低维的、几何化的。它不搜索“用哪个操作”，而是搜索“操作的几何参数”。例如，旋转操作的搜索空间是三维旋转群SO(3)上的一个子集，用轴角表示（axis-angle）：一个单位向量（3D）+ 一个标量角度（1D），共4维连续空间。缩放操作是3D空间中的一个标量（均匀缩放）或3D向量（各向异性缩放）。点扰动则是每个点的三维偏移向量（3D）。

这个设计带来了两个决定性优势：

1. 可微分性保障：连续空间天然支持梯度下降，无需复杂的强化学习代理或耗时的验证集评估。
2. 几何先验注入：搜索空间本身就被限制在物理合理的范围内。你永远不可能搜索出一个“让点云发生非刚体扭曲”的操作，因为那个参数根本不在SO(3)或SE(3)群内。这相当于给策略生成器装了一个内置的“物理定律过滤器”。

我在调试时对比过：用RandAugment的思路强行适配点云（即定义10个离散操作，用强化学习搜索），在ScanObjectNN数据集上，搜索耗时超过72小时，最终策略泛化性极差，换到ModelNet40上几乎失效。而PointAugment的端到端训练，仅需额外增加15%的单步训练时间，且策略在不同数据集间迁移性极佳——这背后，是几何空间建模带来的根本性降维。

3. 核心细节解析与实操要点：参数、操作与几何编码的硬核拆解

3.1 策略生成器的输入：如何让模型“读懂”点云的几何？

策略生成器的输入，绝不是原始点云坐标矩阵（N×3）。那样做，模型根本无法捕捉宏观几何特性。PointAugment采用了一套多尺度、多模态的几何编码方案，这是我复现时花最多时间打磨的部分：

• 全局形状描述符（Global Shape Descriptor）：这是主干输入。我们用PointNet++的Set Abstraction层，对原始点云进行三级下采样（1024→512→256→128点），每一级都提取局部球形邻域内的最大池化特征。最终拼接得到一个1024维向量。这个向量编码了点云的整体紧凑度、对称性、凸包体积占比等信息。例如，一个球体的该向量，与一个细长圆柱体的向量，在PCA空间中必然相距甚远。

• 局部曲率直方图（Local Curvature Histogram）：曲率是点云最核心的几何属性之一。我们为每个点计算其k近邻（k=20）的协方差矩阵，取最小特征值与三个特征值之和的比值作为曲率估计。然后，将全景点云的曲率值归一化到[0,1]，划分成10个bin，统计直方图。这个10维向量，直接告诉策略生成器：“当前点云包含多少尖锐边缘（高曲率）、多少平坦表面（低曲率）、多少球状区域（中曲率）”。实测发现，当直方图显示高曲率bin占比>30%时，策略生成器会显著降低“点删除”的概率，因为删除高曲率点极易破坏边缘结构。

• 各向异性指标（Anisotropy Index）：这是一个标量，计算方式为 (λ1 - λ3) / λ1，其中λ1≥λ2≥λ3是协方差矩阵的特征值。它衡量点云局部区域的“拉伸程度”。值接近0，表示该区域近似球形（各向同性）；值接近1，表示该区域像一根线（高度各向异性）。我们将全景点云的各向异性指标取中位数，作为一个标量输入。这个指标至关重要——它让策略生成器能区分“一个轮胎”（高各向异性）和“一个引擎盖”（低各向异性），从而对前者更倾向施加旋转，对后者更倾向施加缩放。

提示：这三个输入源必须独立归一化。我曾因忘记对曲率直方图做L1归一化，导致策略生成器的输出概率分布严重偏向高曲率操作，模型在训练后期出现大量误判。归一化不是可选项，是必选项。

3.2 增强执行器的四大核心操作：每一个都带着几何注释

PointAugment定义了四个基础增强操作，每个都针对点云的特定弱点。它们不是凭空设计，而是源于对常见数据缺陷的深度分析：

1. 刚体旋转（Rigid Rotation）：

   • 参数：轴角表示（axis, angle），axis为单位向量，angle∈[-π/6, π/6]（±30度）。
   • 几何意义：模拟传感器视角变化。关键在于，它必须同步作用于点坐标、法向量（如果提供）和点特征（如反射强度）。我们用罗德里格斯公式实现：R = I + sinθ*K + (1-cosθ)*K²，其中K是axis的叉积矩阵。这个公式保证了旋转矩阵R的正交性，梯度计算稳定。
   • 实操心得：不要用欧拉角！欧拉角存在万向节死锁，且参数空间不连续，会导致训练不稳定。轴角表示是唯一可靠的选择。

2. 各向异性缩放（Anisotropic Scaling）：

   • 参数：一个3D向量(s_x, s_y, s_z)，每个分量∈[0.8, 1.2]。
   • 几何意义：模拟制造公差或扫描距离误差。与图像缩放不同，点云缩放必须保持刚体变换性质，因此我们强制要求s_x * s_y * s_z = 1（体积守恒）。这通过在MLP输出后添加一个可微分的投影层实现：先输出(s'_x, s'_y, s'_z)，再计算s_x = s'_x / (s'_x * s'_y * s'_z)^(1/3)，依此类推。这个约束让模型不会“吹胀”或“压扁”物体，只改变其比例关系。
   • 注意事项：在工业质检中，若已知零件在X方向公差较大，可将s_x的搜索范围放宽至[0.7, 1.3]，这属于领域知识注入，效果显著。

3. 局部点扰动（Local Point Perturbation）：

   • 参数：一个标量σ∈[0.01, 0.05]（单位：米），代表高斯噪声标准差。
   • 几何意义：模拟激光雷达测距噪声。关键创新是“局部性”——我们不是给所有点加相同噪声，而是为每个点计算其k近邻（k=10）的平均距离d_k，然后设置该点的噪声标准差为σ * d_k。这样，点密集区域（d_k小）扰动小，点稀疏区域（d_k大）扰动大，完美模拟了真实传感器的信噪比空间变化。
   • 避坑指南：切勿使用全局固定σ！我最初用0.03的固定值，在ModelNet40的“椅子”类别上，因为坐垫区域点非常密集，扰动后特征完全淹没，准确率暴跌12%。

4. 语义感知点删除（Semantic-Aware Point Dropping）：

   • 参数：一个标量p∈[0.05, 0.2]（删除比例）。
   • 几何意义：模拟部分遮挡。但“随机删除”是致命的。PointAugment改为基于点重要性删除：首先用主干网络的浅层特征（如PointNet第一层的MLP输出）为每个点打分，分数越高表示该点越处于关键结构（如边缘、角点）；然后按分数升序排序，删除分数最低的p%的点。这确保了删除的是“冗余点”，而非“关键点”。
   • 实操技巧：在训练初期，p应设为下限（0.05），让模型先建立基础特征；训练中后期，p可线性提升至0.2，逐步增加难度。这个调度策略比固定p提升约3.5%的最终精度。

3.3 可微分评估器：如何量化“增强是否有效”？

评估器是PointAugment的“灵魂”，它的设计直接决定了策略学习的方向。其核心是一个双分支Siamese网络：

• 输入：原始点云P和增强后点云P'。
• 主干共享：两者共享同一个PointNet++主干网络，分别提取全局特征向量f和f'。
• 相似度计算：sim = cos(f, f') = (f·f') / (||f|| * ||f'||)。
• 奖励函数（Reward）：R = -|sim - sim_target|，其中sim_target = 0.68（通过网格搜索在验证集上确定的最优值）。

这个看似简单的公式，蕴含了深刻的设计哲学：我们不追求增强后的点云“看起来不同”，而追求它“学起来更有价值”。当sim=0.68时，意味着增强后的特征既保留了原始语义（不至于完全失真），又引入了足够差异（迫使模型学习更鲁棒的不变性）。我在调试时发现，如果把sim_target设为0.9，模型会退化为“几乎不增强”；设为0.3，则增强过猛，模型学到的全是噪声。0.68这个值，是几何鲁棒性与语义保真度之间完美的平衡点。

注意：评估器的梯度必须只回传给策略生成器和增强执行器，绝对不能回传给主干网络的权重。否则，主干网络会“作弊”，通过调整权重来人为抬高sim值，而不是通过学习更好的特征。我们在PyTorch中用torch.no_grad()包裹主干网络的前向传播，只对策略和执行器的参数求导。

4. 实操过程与核心环节实现：从零开始搭建PointAugment

4.1 环境准备与依赖安装：避开CUDA版本陷阱

PointAugment对CUDA和PyTorch版本极其敏感。我踩过的最大坑，是在一台装有CUDA 11.3的服务器上，pip install torch==1.10.0+cu113，结果编译PointNet++的C++扩展时反复报错。根源在于，官方预编译的torch包，其CUDA运行时版本与系统CUDA驱动版本存在微小差异。解决方案是：

1. 统一版本链：严格使用torch==1.12.1+cu113（对应CUDA 11.3.1）和torchvision==0.13.1+cu113。这两个版本经过大规模测试，兼容性最佳。
2. 手动编译扩展：不要用pip install pointnet2_ops。下载官方GitHub仓库，进入pointnet2_ops目录，执行：

   python setup.py build_ext --inplace

   这会强制使用系统当前的nvcc编译，避免ABI不匹配。
3. 关键依赖：scikit-learn>=1.0.0（用于曲率计算）、numba>=0.55.0（加速邻域搜索）、open3d>=0.15.0（可视化调试）。特别注意，numba版本低于0.55会导致@njit装饰器在某些GPU上失效。

4.2 数据加载与预处理：为增强做好几何铺垫

PointAugment的威力，一半来自算法，一半来自数据。预处理不是可有可无的步骤，而是增强生效的前提：

• 中心化与归一化：对每个点云，计算其质心，将所有点坐标减去质心；然后计算所有点到原点的最大距离r_max，将所有坐标除以r_max。这一步确保了所有点云被缩放到单位球内，使旋转、缩放等操作的参数空间具有可比性。我见过太多人跳过这步，导致策略生成器输出的旋转角度在不同样本间波动巨大，训练发散。

• 法向量计算（可选但强烈推荐）：如果数据提供原始扫描的法向量，务必保留。若没有，用Open3D的estimate_normals接口计算。计算时，search_param必须设为o3d.geometry.KDTreeSearchParamHybrid(radius=0.1, max_nn=30)。半径0.1是经验值，适用于大多数室内和工业点云。太小，法向量噪声大；太大，会模糊局部细节。

• 点采样策略：PointAugment默认输入1024个点。但原始点云可能有数万点。我们采用FPS（最远点采样），而非随机采样。FPS能保证采样点在空间上均匀分布，避免随机采样导致的局部区域点缺失。代码片段如下：

  def fps(points, n_samples): # points: (N, 3) centroids = torch.zeros(n_samples, dtype=torch.long, device=points.device) distance = torch.ones(points.size(0), device=points.device) * 1e10 farthest = torch.randint(0, points.size(0), (1,), dtype=torch.long, device=points.device) for i in range(n_samples): centroids[i] = farthest centroid = points[farthest, :].view(1, 3) dist = torch.sum((points - centroid) ** 2, -1) mask = dist < distance distance[mask] = dist[mask] farthest = torch.max(distance, -1)[1] return points[centroids]

4.3 策略生成器的PyTorch实现：从几何编码到概率分布

这是整个框架最核心的代码块。我将其拆解为清晰的三步：

import torch import torch.nn as nn import torch.nn.functional as F class PolicyGenerator(nn.Module): def __init__(self, global_feat_dim=1024, hist_dim=10, num_ops=4): super().__init__() # 输入：全局特征(1024) + 曲率直方图(10) + 各向异性标量(1) = 1035维 self.input_dim = global_feat_dim + hist_dim + 1 # 主干MLP：学习几何先验 self.mlp = nn.Sequential( nn.Linear(self.input_dim, 512), nn.BatchNorm1d(512), nn.ReLU(), nn.Linear(512, 256), nn.BatchNorm1d(256), nn.ReLU(), nn.Linear(256, 128), nn.BatchNorm1d(128), nn.ReLU() ) # 操作概率头：输出4个操作的logits self.op_logits = nn.Linear(128, num_ops) # 参数回归头：为每个操作输出其连续参数 # 旋转：4D (axis_x, axis_y, axis_z, angle) # 缩放：3D (s_x, s_y, s_z) # 扰动：1D (sigma) # 删除：1D (p) self.param_heads = nn.ModuleList([ nn.Linear(128, 4), # rotation nn.Linear(128, 3), # scaling nn.Linear(128, 1), # perturbation nn.Linear(128, 1) # dropping ]) def forward(self, global_feat, curvature_hist, anisotropy): # 拼接所有输入 x = torch.cat([global_feat, curvature_hist, anisotropy.unsqueeze(-1)], dim=-1) # 提取高级特征 feat = self.mlp(x) # (B, 128) # 预测操作概率（使用Gumbel-Softmax进行可微分采样） op_logits = self.op_logits(feat) # (B, 4) op_probs = F.gumbel_softmax(op_logits, tau=1.0, hard=False) # (B, 4) # 预测各操作参数 params = [] for i, head in enumerate(self.param_heads): param_i = head(feat) # (B, D_i) if i == 0: # rotation: axis must be unit vector axis = F.normalize(param_i[:, :3], p=2, dim=-1) angle = torch.tanh(param_i[:, 3:]) * (np.pi/6) # clamp to [-30°, 30°] params.append(torch.cat([axis, angle], dim=-1)) elif i == 1: # scaling: enforce volume conservation s_raw = torch.sigmoid(param_i) * 0.4 + 0.8 # [0.8, 1.2] s_prod = torch.prod(s_raw, dim=-1, keepdim=True) s_corrected = s_raw / (s_prod ** (1/3)) params.append(s_corrected) elif i == 2: # perturbation: clamp sigma sigma = torch.sigmoid(param_i) * 0.04 + 0.01 # [0.01, 0.05] params.append(sigma) else: # dropping: clamp p p = torch.sigmoid(param_i) * 0.15 + 0.05 # [0.05, 0.2] params.append(p) return op_probs, params

这段代码的关键在于：

• Gumbel-Softmax：实现了可微分的离散操作采样，tau=1.0保证了探索性。
• 参数约束的可微分实现：无论是轴角归一化、体积守恒缩放，还是参数范围限制，全部通过torch.sigmoid、F.normalize等可微函数完成，确保梯度畅通无阻。
• 模块化设计：每个操作的参数头相互独立，便于后续单独冻结或微调。

4.4 训练循环：如何将增强无缝嵌入主干训练？

PointAugment的训练循环，与标准分类训练几乎一致，只在数据加载后、模型前向传播前，插入一个增强步骤。以下是核心伪代码：

for epoch in range(num_epochs): for batch_idx, (points, labels) in enumerate(train_loader): # 1. 提取几何编码特征 global_feat = backbone_global(points) # (B, 1024) curvature_hist = compute_curvature_hist(points) # (B, 10) anisotropy = compute_anisotropy(points) # (B,) # 2. 策略生成器决策 with torch.no_grad(): # 评估器不更新主干权重 op_probs, params = policy_gen(global_feat, curvature_hist, anisotropy) # 3. 执行增强（可微分） points_aug = augment_executor(points, op_probs, params) # 4. 主干网络前向传播（共享权重） logits_orig = backbone(points) logits_aug = backbone(points_aug) # 5. 计算损失 loss_cls = criterion(logits_orig, labels) + criterion(logits_aug, labels) # 6. 可微分评估器奖励 sim = cosine_similarity(logits_orig, logits_aug) reward = -torch.abs(sim - 0.68) # 7. 总损失：分类损失 + 策略奖励（带权重） total_loss = loss_cls - 0.1 * reward # 负号：最大化奖励 # 8. 反向传播（只更新policy_gen和augment_executor） optimizer_policy.zero_grad() total_loss.backward() optimizer_policy.step()

这个循环的精妙之处在于梯度隔离：backbone的权重在步骤7中不参与backward()，因为reward的梯度只用于优化策略，而非主干。这确保了主干网络专注于分类任务，而策略网络专注于“教学法”。我在首次运行时，忘了加torch.no_grad()，导致主干网络权重被reward梯度污染，训练30个epoch后，模型在验证集上完全失效。这个教训，值得所有复现者铭记。

5. 常见问题与排查技巧实录：那些文档里不会写的坑

5.1 训练初期loss震荡剧烈，甚至发散？——检查几何编码的数值稳定性

这是新手复现时90%会遇到的问题。现象是：第一个epoch，分类loss从5.0跳到12.0，再跳回3.0，完全不可控。根本原因几乎总是几何编码输入的数值溢出。

• 曲率直方图爆炸：当点云中存在孤立噪点（如激光雷达误检的远处飞鸟），其k近邻距离极大，导致曲率计算为无穷大（inf）或NaN。解决方案：在compute_curvature_hist函数开头，加入torch.nan_to_num(curvatures, nan=0.0, posinf=1.0, neginf=0.0)，将所有异常值钳位。

• 各向异性指标为负：理论上，各向异性(λ1-λ3)/λ1应∈[0,1]。但当点云过于稀疏，协方差矩阵病态时，λ3可能为负，导致指标<0。解决方案：计算前，对协方差矩阵加一个小的正则项ε*I（ε=1e-6），保证其正定。

• 全局特征向量未归一化：PointNet++输出的1024维向量，其L2范数可能从10到1000不等。直接输入MLP，会导致梯度爆炸。必须在forward中加入global_feat = F.normalize(global_feat, p=2, dim=-1)。

实操心得：在训练循环最开始，打印global_feat.mean(), global_feat.std(), curvature_hist.mean(), anisotropy.mean()。如果任何一个值的绝对值>100，立刻停机检查预处理。这是最快捷的诊断方法。

5.2 增强后点云“看起来一样”，但模型性能没提升？——评估器奖励被低估

现象是：训练日志显示reward稳定在-0.1左右（即sim≈0.78），但模型精度停滞。这说明评估器认为增强“太强”，策略生成器因此降低了增强强度，形成了恶性循环。

根本原因在于评估器的特征粒度太粗。PointNet++的全局特征向量，是对整个点云的粗粒度摘要，它无法区分“增强是否改变了关键判别区域”。解决方案是：在评估器中引入局部特征对比。

修改方案：除了全局特征f和f'，我们还从PointNet++的中间层（Set Abstraction Layer 2）提取一个局部特征图F（B×256×256），其中256是点数，256是通道数。然后，对F和F'进行逐点余弦相似度计算，得到一个256维的相似度向量，再取其均值作为局部相似度sim_local。最终奖励为：R = -|0.7*sim_global + 0.3*sim_local - 0.68|

这个改进，让评估器能“看到”增强是否破坏了局部关键结构。在我修复后，reward稳定在-0.02（sim≈0.66），模型精度在10个epoch内提升了2.3%。

5.3 在ScanObjectNN上效果好，但在ModelNet40上泛化差？——数据集几何先验的迁移壁垒

PointAugment的一个强大特性是跨数据集迁移。但如果你发现它在ScanObjectNN（真实扫描）上work，在ModelNet40（CAD模型渲染）上失效，问题大概率出在曲率计算的假设不一致。

• ScanObjectNN：真实激光雷达扫描，点分布不均匀，存在大量噪声和缺失，曲率计算需用较大的邻域（k=30）和较大的搜索半径（radius=0.2）。
• ModelNet40：CAD模型经泊松采样生成，点分布极其均匀，噪声极少，用同样的k和radius，会把平坦表面也计算出虚假的高曲率。

解决方案是：为不同数据集维护独立的几何编码超参。在compute_curvature_hist函数中，根据数据集名称动态切换：

if dataset_name == "ModelNet40": k = 15 radius = 0.05 else: # ScanObjectNN k = 30 radius = 0.2

这个小小的切换，让PointAugment在ModelNet40上的mAP从78.2%提升至84.7%，证明了其设计的灵活性。

5.4 推理时要不要开启PointAugment？——一个反直觉的答案

绝大多数人会认为：“训练用了增强，推理当然也要用，才能保持一致性。”这是个危险的误区。PointAugment在推理时必须关闭。

原因有二：

1. 策略生成器是训练期专用：它的目标是优化训练动态，而非提升单次推理精度。开启它，会为每张测试图生成随机增强，导致同一张图多次推理结果不一致，这在工业部署中是不可接受的。
2. 增强执行器的“扰动”本质：局部点扰动、点删除等操作，会主动破坏输入信息。推理时，我们要的是模型对原始、完整输入的判断能力。

正确的做法是：在推理前，将policy_gen.eval()，并在augment_executor中设置一个train_mode=False的flag，使其直接返回原始点云。我在某次客户演示中，因忘记关掉