自定义数据实现SA3D

SA3D:Segment Anything in 3D with NeRFs

实现了3D目标分割

原理是利用SAM(segment anything) 模型和Nerf分割渲染3D目标,

SAM只能分块,是没有语义标签的,如何做到语义连续?

SA3D中用了self-prompt, 根据前一帧的mask自己给出提示点,用SAM再预测下一帧的mask.

1.准备数据

这里用llff数据的格式。

它需要的input是图像,colmap建好的poses, 训练好的nerf。

通过llff的fern文件夹说明自定义数据怎么准备。

nerf_llff_data/fern文件夹包含如下数据,

其中images是相机拍摄的原图,size为4032 * 3024,

由于图片太大,于是有了下采样4倍的images_4, 下采样8倍的images_8.

用的时候images_4就可以了。

sparse和database.db 是colmap生成的相机内外参,colmap怎么用参考其他。

poses_bounds.npy由sparse生成,后面会说。

最后2个用不到。

1.1 拍摄图片或视频

图片的话按照llff github 上的要求,

根据经验,您应该使用视图之间最大视差不超过约 64 像素的图像(观察距离相机最近的物体,不要让它移动超过视图之间水平视场的 1/8)。图片)。我们的数据集通常包含 20-30 张以粗略网格模式手持拍摄的图像。

最好是网格状拍。

如果拍的是视频,把视频转为图片序列。

把images里面拍到的图片下采样4倍,存入images_4文件夹。

1.2 生成pose

自己安装colmap. 或者用llff github 上的imgs2poses.py

这里用colmap生成。

colmap选Reconstruction -> Automatic Reconstruction.

只需要填workspace folder和image folder.

image folder要选images,而不是images_4.

Dense model的勾可以去掉,节省时间。

然后run, 你就会得到sparse文件夹。

然后你需要用这里pose_utils.py生成poses_bounds.npy.

需要下载这3个文件。

2.训练模型

2.1 训练nerf

设置文件:

configs/llff/fern.py

configs/liff/seg_fern.py

调整factor需要的文件

configs/llff/llff_default.py

configs/default.py

configs/llff/llff_seg_default.py

configs/seg_default.py

上面这些设置文件可以修改了直接用,也可以新建类似的。

2个设置文件中修改数据集的路径。

如果你不用下采样4倍的图片,比如要用下采样8倍的,

在后面4个文件中,把factor置8. 如果用原图,factor=1.

训练nerf

python 复制代码
python run.py --config=configs/llff/fern.py --stop_at=20000 --render_video --i_weights=10000

你可能会遇到sam3d.py中的bug,
UnboundLocalError: local variable 'sam_model_registry' referenced before assignment

解决方法,修改sam3d.py,

python 复制代码
class Sam3D(ABC):
    '''TODO, add discription'''
    def __init__(self, args, cfg, xyz_min, xyz_max, cfg_model, cfg_train, \
                 data_dict, device=torch.device('cuda'), stage='coarse', coarse_ckpt_path=None):
        ...
        if args.mobile_sam:
            ...
        else:
            from segment_anything import sam_model_registry  #加上这一句,修复bug
            sam_checkpoint = "./dependencies/sam_ckpt/sam_vit_h_4b8939.pth"
            ...

然后会在log/xx/xx/render_video_fine_last下面得到渲染好的3D场景。

2.2 训练SAM+nerf

python 复制代码
python run_seg_gui.py --config=configs/llff/seg/seg_fern.py --segment \
--sp_name=_gui --num_prompts=20 \
--render_opt=train --save_ckpt

会给一个链接,点进webUI,

这第一帧图包括后面训练的图,是上面训练nerf时渲染的图片,

如果你换了数据集,一定要重新训练nerf, 不然这些图片就还是之前的。

在第一帧图上选你要分割的物体。

训练中不需要再标注,SAM本身是没有语义的,为了保持语义的连续性,采用自标注的方法,

不断在mask上产生新标注的点。

分割及渲染结果。

相关推荐
HPC_fac1305206781616 分钟前
以科学计算为切入点:剖析英伟达服务器过热难题
服务器·人工智能·深度学习·机器学习·计算机视觉·数据挖掘·gpu算力
小陈phd3 小时前
OpenCV从入门到精通实战(九)——基于dlib的疲劳监测 ear计算
人工智能·opencv·计算机视觉
Guofu_Liao4 小时前
大语言模型---LoRA简介;LoRA的优势;LoRA训练步骤;总结
人工智能·语言模型·自然语言处理·矩阵·llama
秀儿还能再秀6 小时前
神经网络(系统性学习三):多层感知机(MLP)
神经网络·学习笔记·mlp·多层感知机
ZHOU_WUYI8 小时前
3.langchain中的prompt模板 (few shot examples in chat models)
人工智能·langchain·prompt
如若1238 小时前
主要用于图像的颜色提取、替换以及区域修改
人工智能·opencv·计算机视觉
老艾的AI世界8 小时前
AI翻唱神器,一键用你喜欢的歌手翻唱他人的曲目(附下载链接)
人工智能·深度学习·神经网络·机器学习·ai·ai翻唱·ai唱歌·ai歌曲
DK221518 小时前
机器学习系列----关联分析
人工智能·机器学习
Robot2518 小时前
Figure 02迎重大升级!!人形机器人独角兽[Figure AI]商业化加速
人工智能·机器人·微信公众平台
浊酒南街9 小时前
Statsmodels之OLS回归
人工智能·数据挖掘·回归