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
程序小旭2 小时前
机器视觉基础—双目相机
计算机视觉·双目相机
AI极客菌4 小时前
Controlnet作者新作IC-light V2:基于FLUX训练,支持处理风格化图像,细节远高于SD1.5。
人工智能·计算机视觉·ai作画·stable diffusion·aigc·flux·人工智能作画
阿_旭4 小时前
一文读懂| 自注意力与交叉注意力机制在计算机视觉中作用与基本原理
人工智能·深度学习·计算机视觉·cross-attention·self-attention
XMYX-04 小时前
使用 SSH 蜜罐提升安全性和记录攻击活动
linux·ssh
王哈哈^_^4 小时前
【数据集】【YOLO】【目标检测】交通事故识别数据集 8939 张,YOLO道路事故目标检测实战训练教程!
前端·人工智能·深度学习·yolo·目标检测·计算机视觉·pyqt
弗锐土豆6 小时前
Windows系统中Oracle VM VirtualBox的安装
windows·虚拟机·virtualbox
秋の花6 小时前
【JAVA基础】Java集合基础
java·开发语言·windows
零意@9 小时前
ubuntu切换不同版本的python
windows·python·ubuntu
q567315239 小时前
在 Bash 中获取 Python 模块变量列
开发语言·python·bash
喵~来学编程啦9 小时前
【论文精读】LPT: Long-tailed prompt tuning for image classification
人工智能·深度学习·机器学习·计算机视觉·论文笔记