• 1) Обучить нейронную сеть KPConv (KPCNN) для классификации облаков
  точек на базе датасета ModelNet10/ModelNet40. Вывести метрики качества
  обучения: Accuracy, precision, recall, confusion matrix.
• 2) 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)
• 3) 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.
По срокам: пункт 1 в течении недели. Пункт 2-3 в течении 3 недель после пункта 1