第九周实验记录

1、安装Nerfstudio

环境配置

首先需要创建环境python=3.8,接着需要安装cuda11.7或11.3 这里安装cuda11.7

bash 复制代码
pip uninstall torch torchvision functorch
 
pip install torch==1.13.1 torchvision functorch --extra-index-url https://download.pytorch.org/whl/cu117

安装tinycudann

直接使用 pip install 命令很可能出错

所以先git 下文件在安装

bash 复制代码
 git clone --recursive https://github.com/nvlabs/tiny-cuda-nn
 cd tiny-cuda-nn
 cmake . -B build
 cmake --build build --config RelWithDebInfo -j

在执行最后一步的时候可能会出现缺少文件的错误,需要升级cmake版本 参考链接

接着链接pytorch

bash 复制代码
 cd tiny-cuda-nn/bindings/torch
 python setup.py install #时间较长

测试 输入python

python 复制代码
python
import tinycudann

如图 ,安装成功

安装nerfstudio

这里可以直接安装

bash 复制代码
 pip install nerfstudio

也可以git安装

bash 复制代码
 git clone https://github.com/nerfstudio-project/nerfstudio.git
 cd nerfstudio
 pip install --upgrade pip setuptools
 pip install -e .

运行实例

首先需要下载数据集,因为网络原因可能会无法下载,我是直接复制下载链接在浏览器下载。

bash 复制代码
 ns-download-data nerfstudio --capture-name=poster

将数据集解压后,可以直接进行训练

bash 复制代码
 ns-train nerfacto --data data/nerfstudio/poster

在HTTP框中 给出了viewer的地方,在pc端上使用ssh链接服务器 使用cmd输入

bash 复制代码
ssh -L 7007:localhost:7007 root@connect.beijinga.seetacloud.com -p 22048

复制链接打开浏览器,可以查看渲染情况

右侧可以渲染图像,得到视频,以及导出点云,在导出点云文件时命令可以运行,得到点云文件

2、MARS实验

按照github的命令配置环境,这里nerfstudio又安装了一些依赖

下载kitti数据集,一开始没有深度图,所以根据给的代码生成了深度图

开始训练(10月份版本的命令)

bash 复制代码
ns-train  nsg-kitti-car-depth-recon --data /root/autodl-tmp/mars/data/kitti-MOT/training/image_02/0006

如果想读取已经训练的权重 :--load_dir /root/autodl-tmp/mars/outputs/0006/nsg-kitti-car-depth-recon/2023-11-04_090030/nerfstudio_models

一开始训练出现killed的情况

可能是内存不足,服务器换了160g内存进行重新训练,可以运行

可视化模型为wandb

查看训练曲线以及渲染图像情况

3090显卡,0006序列训练10万次大概9-10个小时

可视化同样可以使用nerfstudio提供的界面 --vis viewer(但是界面很奇怪)可能存在问题

并且根据提供的命令,渲染视频,也出现了错误,可能是nerfstudio安装出现问题,后续继续解决

下周计划

学习nerfstudio 查看论文、文档

解决本周出现的问题

详细阅读mars论文

相关推荐
presenttttt5 分钟前
用Python和OpenCV从零搭建一个完整的双目视觉系统(四)
开发语言·python·opencv·计算机视觉
千宇宙航8 小时前
闲庭信步使用图像验证平台加速FPGA的开发:第六课——测试图案的FPGA实现
图像处理·计算机视觉·fpga开发
jndingxin10 小时前
OpenCV 人脸分析----人脸识别的一个经典类cv::face::EigenFaceRecognizer
人工智能·opencv·计算机视觉
PyAIExplorer12 小时前
图像轮廓检测与绘制:OpenCV 实战指南
人工智能·opencv·计算机视觉
Dymc13 小时前
【目标检测之Ultralytics预测框颜色修改】
人工智能·yolo·目标检测·计算机视觉
m0_7431064614 小时前
【论文笔记】BlockGaussian:巧妙解决大规模场景重建中的伪影问题
论文阅读·计算机视觉·3d·aigc·几何学
昵称是6硬币16 小时前
(DETR)End-to-End Object Detection with Transformers论文精读(逐段解析)
人工智能·深度学习·目标检测·计算机视觉·transformer
AndrewHZ16 小时前
【图像处理基石】如何检测到画面中的ppt并对其进行增强?
图像处理·人工智能·pytorch·opencv·目标检测·计算机视觉·图像增强
通街市密人有18 小时前
PanTS: The Pancreatic Tumor Segmentation Dataset
人工智能·深度学习·计算机视觉
心 爱心 爱19 小时前
DAS3D: Dual-modality Anomaly Synthesis for 3D Anomaly Detection 论文精读
计算机视觉·异常检测·重建·判别器·多模态目标异常检测·三维异常检测·异常合成