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
格林威19 小时前
短波红外相机在机器视觉检测方向的应用
运维·人工智能·深度学习·数码相机·计算机视觉·视觉检测
这儿有一堆花19 小时前
DeepSeek-VL 解析:混合视觉-语言模型如何超越传统计算机视觉方法
人工智能·计算机视觉·语言模型
dyxal19 小时前
使用tree命令导出文件夹/文件的目录树( Windows 和 macOS)
windows·macos·策略模式
特立独行的猫a20 小时前
仓颉语言编程入门:第一个 Windows 下的仓颉应用程序
windows·入门·仓颉
山烛1 天前
OpenCV:图像直方图
人工智能·opencv·计算机视觉·图像直方图
荼蘼1 天前
OpenCV 发票识别全流程:透视变换与轮廓检测详解
人工智能·opencv·计算机视觉
byzy1 天前
【论文笔记】SpaRC: Sparse Radar-Camera Fusion for 3D Object Detection
论文阅读·深度学习·目标检测·计算机视觉·自动驾驶
mahuifa1 天前
OpenCV 开发 -- 图像阈值处理
人工智能·opencv·计算机视觉
闲人编程1 天前
图像去雾算法:从物理模型到深度学习实现
图像处理·人工智能·python·深度学习·算法·计算机视觉·去雾
Caaacy_YU1 天前
多模态大模型研究每日简报【2025-09-10】
论文阅读·人工智能·深度学习·机器学习·计算机视觉