fix point mismatch

app.py

@@ -7,10 +7,18 @@ from torch_geometric.utils import to_dense_batch
 from model import HierarchicalFPSCliffordNet
 
 # --- SAF PYTORCH C++ YEDEKLERİ ---
+
 def knn_pure(x, y, k=3):
-    dist = torch.cdist(x, y)
+    # DÜZELTME BURADA: X (kaynak: 128) ve Y (hedef: 512) 
+    # cdist(y, x) diyerek hedef odaklı uzaklık matrisi çıkarıyoruz.
+    dist = torch.cdist(y, x) 
     _, topk_idx = torch.topk(dist, k, dim=1, largest=False)
-    return torch.stack([torch.arange(x.size(0)).view(-1, 1).expand(-1, k).reshape(-1), topk_idx.reshape(-1)], dim=0)
+    
+    idx_y = torch.arange(y.size(0), device=y.device).view(-1, 1).expand(-1, k).reshape(-1)
+    idx_x = topk_idx.reshape(-1)
+    
+    # Döndürülen tensör sırası [Hedef İndisleri, Kaynak İndisleri] olarak düzeltildi.
+    return torch.stack([idx_y, idx_x], dim=0)
 
 def radius_graph_pure(pos, r, max_n=16):
     dist = torch.cdist(pos, pos)
@@ -45,8 +53,6 @@ except: print("Ağırlıklar bulunamadı.")
 def predict(file, category_name):
     if not file: return None
     
-    # DÜZELTME: Gradio 6.0'da gr.Model3D doğrudan string (dosya yolu) döndürür.
-    # Güvenceye almak için tip kontrolü yapıyoruz.
     file_path = file if isinstance(file, str) else file.name
     
     mesh = trimesh.load(file_path, force='mesh')
@@ -70,7 +76,6 @@ def predict(file, category_name):
     fig.update_layout(margin=dict(l=0,r=0,b=0,t=0), scene=dict(xaxis=dict(visible=False), yaxis=dict(visible=False), zaxis=dict(visible=False)))
     return fig
 
-# DÜZELTME: Tema (theme) uyarısını kaldırmak için sade blok tanımı yapıldı.
 with gr.Blocks() as demo:
     gr.Markdown("# 🚀 Clifford-Dirac 3D Segmentation (0.15M Params)")
     with gr.Row():