DreamCar运行笔记

文章标题：DreamCar: Leveraging Car-specific Prior for in-the-wild 3D Car Reconstruction

DreamCar，能够在给定少量图像甚至单张图像的情况下重建高质量的3D汽车。为了使生成模型更具泛化性，我们收集了一个名为Car360的汽车数据集，包含超过5600辆汽车。利用这个数据集，我们使生成模型对汽车更加鲁棒。我们使用特定于汽车的生成先验，通过分数蒸馏采样来引导重建。为了进一步补充监督信息，我们利用汽车的几何和外观对称性。

1. 环境配置

1.1. 下载代码

bash 复制代码

git clone https://github.com/xiaobiaodu/DreamCar.git

1.2. 创建环境

conda create -n DreamCar python=3.9

1.3. 安装pytorch

bash 复制代码

sudo apt-get install libjpeg-dev libpng-dev

bash 复制代码

conda install pytorch==2.1.0 torchvision==0.16.0 torchaudio==2.1.0 pytorch-cuda=12.1 -c pytorch -c nvidia

1.4. 安装官方依赖

bash 复制代码

pip install -r requirememnts.txt

1.5. 安装其它依赖

bash 复制代码

pip install rembg envlight nvdiffrast mediapipe clip nerfacc

bash 复制代码

git clone https://github.com/NVlabs/tiny-cuda-nn.git

cd bindings/torch

pip install .

bash 复制代码

git clone https://github.com/NVlabs/nvdiffrast

cd nvdiffrast

pip install .

2. 下载预训练模型

2.1. Dreamcar123

2.2. Omnidata

3. 运行

3.1. 变量定义

bash 复制代码

export image_path="example_data/94b33ce331b844dcb991a2020742cebf"
export id=$(basename "$image_path")
export CUDA_VISIBLE_DEVICES=0

3.2. 预处理数据

bash 复制代码

python preprocess_image.py  "$image_path"

3.3. NeRF

bash 复制代码

python launch.py --train --config configs/dreamcar-coarse-nerf-nuscenes.yaml data.image_path="$image_path" data.random_camera.height=64 data.random_camera.width=64 data.height=64 data.width=64 system.guidance_3d.pretrained_model_name_or_path="load/zero123/dreamcar123.ckpt"

DreamCar运行笔记

1. 环境配置

1.1. 下载代码

1.2. 创建环境

1.3. 安装pytorch

1.4. 安装官方依赖

1.5. 安装其它依赖

2. 下载预训练模型

2.1. Dreamcar123

2.2. Omnidata

3. 运行

3.1. 变量定义

3.2. 预处理数据

3.3. NeRF

4. 问题记录

4.1. timm文件下载失败

4.2. Hugging Face文件下载失败

参考文献