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
WHATEVER_LEO6 小时前
【每日论文】Latent Radiance Fields with 3D-aware 2D Representations
人工智能·深度学习·神经网络·机器学习·计算机视觉·自然语言处理
MYT_flyflyfly6 小时前
计算机视觉-OpenCV图像处理
图像处理·opencv·计算机视觉
清醒的兰11 小时前
OpenGL: QOpenGLShaderProgram
计算机视觉·图形渲染
普密斯科技14 小时前
工业相机选型五要素
人工智能·数码相机·计算机视觉·智能手机·自动化·视觉检测
高力士等十万人17 小时前
有哪些滤波,原理是什么,分别在什么时候用
图像处理·python·opencv·计算机视觉
lihuayong19 小时前
计算机视觉:卷积神经网络(CNN)基本概念(一)
人工智能·计算机视觉·cnn·卷积神经网络·激活函数·全连接层·池化层
埃菲尔铁塔_CV算法20 小时前
深度学习在半导体领域的创新点研究
人工智能·深度学习·算法·机器学习·计算机视觉
视觉人机器视觉1 天前
为什么要选择3D机器视觉检测
人工智能·计算机视觉·视觉检测
PaLu-LI1 天前
ORB-SLAM3的源码学习: Settings.cc:Settings::readCamera1/readCamera2 从配置文件中加载相机参数
人工智能·数码相机·opencv·学习·ubuntu·计算机视觉
羞儿1 天前
【读点论文】Rewrite the Stars将svm的核技巧映射到高维空间,从数理逻辑中丰富特征维度维度
算法·机器学习·支持向量机·计算机视觉·特征提取