三维高斯对抗样本生成：针对点云分类器的可优化高斯扰动攻击

代码（无原理），为单文件、可运行的工程模板：

• 支持：数据加载（通用点云数据集目录格式）、PointNet 基线模型、训练/评估、两种对抗策略（固定高斯基线 + 可训练高斯分布通过期望最大化优化），采样与评分、导出对抗样本为 PLY。

• 包含工程级细节与优化建议（混合精度、梯度裁剪、EMA、批量化采样、早停等）为注释在代码中，便于直接运行或改造。

• 依赖：torch, torchvision, numpy, tqdm, trimesh（用于保存 ply），可选 sklearn。

将下面代码保存为 pc_gaussian_adv.py 并按头部说明运行。

# pc_gaussian_adv.py
# -*- coding: utf-8 -*-
"""
三维高斯对抗样本生成（针对点云分类器）
单文件实现（dataset / model / attack / eval / save）
Usage (examples):
  # 1) 训练一个简单的 PointNet baseline（可选）
  python pc_gaussian_adv.py --mode train_classifier --data_root ./dataset --epochs 50 --out_ckpt ckpt.pth

  # 2) 生成对抗样本（高斯基线