• Обучить нейронную сеть KPConv (KPCNN) для классификации облаков точек на базе датасета ModelNet10/ModelNet40. Вывести метрики качества обучения: Accuracy, precision, recall, confusion matrix.
• Взять готовую реализацию генеративной нейронной сети Gan для генерации облаков точек из существующего датасета ModelNet10/ModelNet40 (расширение исходной выборки), возможно модифицировать в той части, где находится аугментация данных (да банально коэффициенты поменять и может функцию, не более)
• Получившийся синтетический датасет сохранить и загрузить в PointNet и KpConv (KPCNN), провести туже самую классификацию и сравнить результаты с п.1. Вывести метрики качества обучения: Accuracy, precision, recall, confusion matrix. Сделать вывод о влиянии аугментации на качество обучения.

Примечание: Язык программирования Python, Pytorch. Возможно использовать Google colab. Как правило модуль для аугментации называется аугментатором.
Разрешено использовать любые дополнительные фреймворки (Pytorch Points3d например)
Бюджет обсуждается.