顶点坐标带着任意平移和尺度直接进入网络，权重更新会被少数离群坐标带偏。3D模型预处理中的中心化、归一化与缩放规范化，正是从几何分布上为模型提供稳定输入。中心化通常取包围盒中心或顶点均值，把模型移到原点附近；归一化会按照最大半径、包围盒对角线或坐标标准差，把整体尺...

栏目：3D模型 时间：10-06 3D模型数据预处理 中心化 归一化

训练3D模型时loss突然变成NaN、网络输出一片空白，这往往就是梯度爆炸的信号。3D数据维度高、坐标跨度大，再加上PointNet、Transformer这类结构本身对数值敏感，稍不注意权重更新就会失控。本文从梯度爆炸的成因入手，分析L2范数裁剪、按层裁剪等常用手段的原理与适用场景，讲解Ba...

栏目：3D模型 时间：09-16 梯度爆炸 梯度裁剪 归一化

余弦相似度算出来和预期差很远，用L2距离召回的结果看起来毫无规律，这些问题往往不是算法本身出了错，而是向量没有做归一化，或者距离度量的选择和业务场景不匹配。本文从向量的模长与方向这两个基本属性出发，分析欧氏距离、余弦相似度、点积三种度量各自的适用场景，解释归一化为...

栏目：AI大模型 时间：09-05 向量相似度 余弦相似度 归一化

Chamfer Distance在点云配准和三维重建评估中经常出现数值偏大、波动剧烈甚至NaN的问题，根源往往不在距离计算本身，而在于输入点云的采样密度不一致和尺度未归一化。如果两片点云一个采样了10万点、另一个只有5000点，或者一个以米为单位、另一个以毫米为单位，Chamfer Distanc...

栏目：3D模型 时间：08-27 Chamfer Distance 点云采样密度 归一化

在数据处理和算法建模场景中，将数值集合归一化到0-1区间是常见的预处理操作，结合最大值加权映射可以突出集合中高数值样本的权重占比。本文会介绍归一化到0-1区间的基础原理，详细讲解最大值加权映射的实现逻辑，通过具体示例展示不同数值下的映射结果，还会给出可直接复用的Pyth...

栏目：JavaScript 时间：06-27 归一化 最大值加权映射 数值处理 Python