计算机视觉可视化工具SIBR使用方法

最近在跑实验时需要可视化3DGS/2DGS的重建后的图形界面,所以需要一个可视化工具,需要的软硬件要求如下:
Hardware Requirements

  • OpenGL 4.5-ready GPU and drivers (or latest MESA software)
  • 4 GB VRAM recommended
  • CUDA-ready GPU with Compute Capability 7.0+ (only for Real-Time Viewer)

Software Requirements

  • Visual Studio or g++, not Clang (we used Visual Studio 2019 for Windows)
  • CUDA SDK 11, install after Visual Studio (we used 11.8)
  • CMake (recent version, we used 3.24)
  • 7zip (only on Windows)

下面是具体的安装步骤:

一. Cmake下载

首先需要安装Cmake编译工具。
Cmake安装教程

二. 下载使用SIBR_viewer

一般就推荐Windows系统下载了,因为Ubuntu的可视化能力...你们懂的。

2.1 下载Windows二进制文件

SIBR_viewer二进制文件下载地址

2.2 使用SIBR_viewer来监测远程机情况

SINR_viewer是在本地Windows系统下运行的,我们需要将它连接到远程机(即模型所在的服务器)上进行数据监测,常见的命令如下所示:

  1. --path / -s
    功能:覆盖模型的数据源路径。用于指定数据集的路径。
    使用方法:
powershell 复制代码
	SIBR_remoteGaussian_app.exe --path <数据集路径>

或者

powershell 复制代码
	SIBR_remoteGaussian_app.exe -s <数据集路径>
  1. --ip
    功能:用于连接正在运行的训练脚本的IP地址。指定远程机器的IP地址。
powershell 复制代码
	SIBR_remoteGaussian_app.exe --ip <远程机器的IP地址>
  1. --port
    功能:用于连接正在运行的训练脚本的端口号。指定远程机器的端口号。
powershell 复制代码
	SIBR_remoteGaussian_app.exe --port <端口号>
  1. --rendering-size
    功能:定义网络渲染发生时的分辨率。接受两个空格分隔的数字(宽度和高度)。默认宽度是1200。如果要强制不同于输入图像的长宽比,还需要使用--force-aspect-ratio。
powershell 复制代码
    SIBR_remoteGaussian_app.exe --rendering-size <宽度> <高度>

如果需要强制长宽比:

powershell 复制代码
	SIBR_remoteGaussian_app.exe --rendering-size <宽度> <高度> --force-aspect-ratio
  1. --load_images
    功能:加载源数据集图像,在每个摄像机的顶视图中显示。
powershell 复制代码
	SIBR_remoteGaussian_app.exe --load_images

2.3 完整步骤总结

  1. 首先在远程机上启动训练过程
bash 复制代码
python train.py --ip 0.0.0.0 --port 6009

这条命令将训练过程启动,并使其监听所有网络接口上的端口6009。

  1. 接下来的操作均在本机上完成
  • 打开命令提示符cmd
  • 导航到SIBR_viewer的安装目录:
powershell 复制代码
cd C:\SIBR_viewer\bin
  • 运行SIBR_viewer并连接到远程机器:
powershell 复制代码
SIBR_remoteGaussian_app.exe --ip 192.168.1.100 --port 6009 --path C:\data\source_data --rendering-size 1920 1080 --load_images

以上就是全部的关键流程,码字不易,还请多多支持咩!

相关推荐
CoovallyAIHub19 小时前
语音AI Agent编排框架!Pipecat斩获10K+ Star,60+集成开箱即用,亚秒级对话延迟接近真人反应速度!
深度学习·算法·计算机视觉
CoovallyAIHub2 天前
Moonshine:比 Whisper 快 100 倍的端侧语音识别神器,Star 6.6K!
深度学习·算法·计算机视觉
CoovallyAIHub2 天前
速度暴涨10倍、成本暴降6倍!Mercury 2用扩散取代自回归,重新定义LLM推理速度
深度学习·算法·计算机视觉
CoovallyAIHub2 天前
OpenClaw一脚踩碎传统CV?机器终于不再只是看世界
深度学习·算法·计算机视觉
CoovallyAIHub2 天前
仅凭单目相机实现3D锥桶定位?UNet-RKNet破解自动驾驶锥桶检测难题
深度学习·算法·计算机视觉
阿白的白日梦4 天前
winget基础管理---更新/修改源为国内源
windows
CoovallyAIHub7 天前
仿生学突破:SILD模型如何让无人机在电力线迷宫中发现“隐形威胁”
深度学习·算法·计算机视觉
CoovallyAIHub7 天前
从春晚机器人到零样本革命:YOLO26-Pose姿态估计实战指南
深度学习·算法·计算机视觉
CoovallyAIHub7 天前
Le-DETR:省80%预训练数据,这个实时检测Transformer刷新SOTA|Georgia Tech & 北交大
深度学习·算法·计算机视觉
CoovallyAIHub7 天前
强化学习凭什么比监督学习更聪明?RL的“聪明”并非来自算法,而是因为它学会了“挑食”
深度学习·算法·计算机视觉