IBR-net 代码研读

1. TrainDataloader

从TrainDataset 里面读取 RGB 根据 图像生成 Ray

2. Feature Map 生成

假设原图的 shape (512,512,3), 选择原图相近的 10张图像,经过U-Net 类似的结构之后,生成的 特征Tensor 是(10,64,128,128)。 这个特征图 分成2个(10,32,128,128) 和 (10,32,128,128) 分别送入到 Coarse IBR-net 和 Fine IBR-Net 中去

3. 最重要的依据 Feature Map 去得到 color 和 density

3.1 根据 射线得到采样点,然后往关联的feature map 上面做投影,查询feature.

5000条射线采样64个点,shape (500,64,3), 然后这些世界系的采样点往 关联的 RGB 图像上进行投影,并查询相关的RGB 数值。

python 复制代码
## 世界系的3D点做投影
 pixel_locations, mask_in_front = self.compute_projections(xyz, train_cameras)
 normalized_pixel_locations = self.normalize(pixel_locations, h, w)   # [n_views, n_rays, n_samples, 2]

 # rgb sampling, 根据投影的坐标查询RGB
 rgbs_sampled = F.grid_sample(train_imgs, normalized_pixel_locations, align_corners=True)
 rgb_sampled = rgbs_sampled.permute(2, 3, 0, 1)  # [n_rays, n_samples, n_views, 3]

## 根据 投影的在feature map 的坐标查询 对应的 Feature 
feat_sampled = F.grid_sample(featmaps, normalized_pixel_locations, align_corners=True)
feat_sampled = feat_sampled.permute(2, 3, 0, 1)  # [n_rays, n_samples, n_views, d]

## 将查询得到的 RGB 和 feature Concat 起来
rgb_feat_sampled = torch.cat([rgb_sampled, feat_sampled], dim=-1)   # [n_rays, n_samples, n_views, d+3]

投影点会落在 图像边界外,因此有一个 Mask 来 记录提取的feature 的有效性。

3.2 计算空间采样点的 density 和 color

1. 将采样点对10张关联的 direction 进行MLP学习成35维度的feature

通过一个MLP,将每个世界点到 相关方向的 direction (500,64,10.3) 通过MLP 学成 (500,64,10,35) 维度的feature

相关推荐
在所不辞兄6 小时前
为什么数字孪生驱动的产线标定需要在线更新机制,而不能一次标定后长期沿用?
人工智能·神经网络·其他·算法·机器学习
锋行天下6 小时前
langgraph 全栈项目(三)
前端·人工智能·后端
黄啊码7 小时前
【黄啊码】最近面了十几个想转 FDE 的程序员,一个都没招
人工智能
锋行天下7 小时前
langgraph 全栈项目(二)
前端·人工智能·后端
大模型真好玩7 小时前
用 Seedance 2.5 Flash 实现1分钟AI短剧,满足孩子的超级英雄对战梦
人工智能·aigc·deepseek
FengY_HYY8 小时前
从人类组织到人类&大模型组织,我的位置在哪里?
人工智能·程序员·llm
Flynn Liang8 小时前
大模型成本优化:基于 Redis 的可验证语义缓存架构
人工智能·redis·缓存·架构·ai agent·智能体
锋行天下8 小时前
langgraph全栈项目(一)
前端·人工智能·后端
程序员cxuan8 小时前
不得了,Google 造反了,Opus 5.5 又被干了
人工智能·后端·程序员
数字新视界9 小时前
能耗管理系统提升企业能源效率的实践与展望
大数据·人工智能·数据中心·机房管理·模块化机房