3DGS的复现 - 技术栈

3DGS环境配置

欢迎来到3DGS
- 一、cuda、python、pytorch，cudatoolkit等环境配置
- - [3DGS原文章建议使用 cudatoolkit=11.8，并且明确表明==cuda11.6版本==有问题。](#3DGS原文章建议使用 cudatoolkit=11.8，并且明确表明==cuda11.6版本==有问题。)
- 二、代码库克隆
- 三、colmap、imagemagick安装
- - convert.py配置修改
- 四、ffmpeg安装
- 五、diff-gaussian-rasterization、fused-ssim和simple-knn的配置
- - diff-gaussian-rasterization的安装配置
  - fused-ssim和simple-knn的安装配置
- 六、训练
- 七、查看模型

欢迎来到3DGS

同时也欢迎大家评论交流，比如报错信息，看到速回

原文环境配置教程

原文，代码，数据集链接：https://repo-sam.inria.fr/fungraph/3d-gaussian-splatting/

youtube教程链接：https://pan.baidu.com/s/1g8MeiWmLKCFp1ACjgLFc0A?pwd=3dgs

一、cuda、python、pytorch，cudatoolkit等环境配置

3DGS原文章建议使用 cudatoolkit=11.8，并且明确表明cuda11.6版本有问题。

本文建议采用11.8+（含11.8），以上的版本，来复现3DGS

原文说更完整的运行库，会有更好的运行结果：

原文的配置 ，cuda=11.8，python=3.7，pytorch=1.12.1，cudatoolkit=11.8；

javascript 复制代码

SET DISTUTILS_USE_SDK=1 # Windows only
conda env create --file environment.yml
conda activate gaussian_splatting

本机的配置 ，cuda=12.4，python=3.9，pytorch=2.5.1，cudatoolkit=12.4；
如果需要自行安装pytorch相应版本请转到链接：https://pytorch.org/get-started/previous-versions/

javascript 复制代码

conda create -n env1056 python=3.9
conda activate env1056

# 如果是cuda11.8，则采用：
pip install torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 --index-url https://download.pytorch.org/whl/cu118

# 如果是cuda12.4，则采用：
pip install torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 --index-url https://download.pytorch.org/whl/cu124

#不推荐这种安装方法，本人屡试无果，无法正常使用torch，请高手指点：
conda install pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia

二、代码库克隆

如果能科学上网，建议点击上面原文链接，下载到本地即可，以下步骤省。

需要提前下载并配置好Git环境，本文采用官方推荐的GitHub-cli进行下载，本系统为Linux-Ubuntu

javascript 复制代码

sudo apt update
sudo apt install git
sudo apt install gh

如果正确安装会有以下提示：
(env1056) root@coo1h1npdmlqb-0:/stu-1064# gh repo clone graphdeco-inria/gaussian-splatting
Welcome to GitHub CLI!

To authenticate, please run `gh auth login`.
(env1056) root@coo1h1npdmlqb-0:/stu-1064# gh auth login  #紧跟着下面是认证登录步骤
? What account do you want to log into? GitHub.com
? What is your preferred protocol for Git operations? HTTPS
? Authenticate Git with your GitHub credentials? Yes
? How would you like to authenticate GitHub CLI? Login with a web browser

! First copy your one-time code: E23C-85DC
- Press Enter to open github.com in your browser... 
! Failed opening a web browser at https://github.com/login/device
 exec: "xdg-open,x-www-browser,www-browser,wslview": executable file not found in $PATH
 Please try entering the URL in your browser manually

上面的失败原因的解决办法就是手动打开https://github.com/login/device，并输入code: E23C-85DC

三、colmap、imagemagick安装

colmap安装地址，https://anaconda.org/channels/conda-forge/packages/colmap/overview

或者：https://colmap.github.io/install.html

javascript 复制代码

# 如果时cuda11.8，则采用
conda install conda-forge::colmap==3.8
#  如果时cuda12.4，则采用
conda install conda-forge::colmap==3.13.0
# 验证 COLMAP 版本
conda list | grep "colmap"
colmap                    3.13.0          cuda_126h79fc88e_0    conda-forge

# 本机基于ubuntu22.04，安装的imagemagick
# 其它系统请参考https://imagemagick.org/script/download.php#linux
sudo apt install imagemagick libmagickwand-dev libmagickcore-dev

# 查看imagemagick是否安装成功
convert -version

Version: ImageMagick 6.9.11-60 Q16 x86_64 2021-01-25 https://imagemagick.org
Copyright: (C) 1999-2021 ImageMagick Studio LLC
License: https://imagemagick.org/script/license.php
Features: Cipher DPC Modules OpenMP(4.5) 
Delegates (built-in): bzlib djvu fftw fontconfig freetype heic jbig jng jp2 jpeg lcms lqr ltdl lzma openexr pangocairo png tiff webp wmf x xml zlib

convert.py配置修改

原文章convert.py 脚本用的是旧版 COLMAP（≤3.5）的参数，--SiftExtraction.use_gpu 在 COLMAP 3.13.0 中已被重命名为 --FeatureExtraction.use_gpu，--SiftMatching.use_gpu 在 COLMAP 3.13.0 中已被重命名为 --FeatureMatching.use_gpu

javascript 复制代码

# 查看colmap支持哪些命令，可以使用GPU加速
colmap feature_extractor --help | grep -E "use_gpu|GPU"
# 如果你采用的也是colmap3.13.0，则需要对convert.py做一点小修改
--SiftExtraction.use_gpu 修改为  --FeatureExtraction.use_gpu
--SiftMatching.use_gpu 修改为  --FeatureMatching.use_gpu

四、ffmpeg安装

下载安装链接https://launchpad.net/ubuntu/+source/ffmpeg，本机基于Ubuntu22.04，查看Linux系统命令：lsb_release -a

安装成功后解压到3DGS主目录下

进入到ffmpeg，并找到configure文件

javascript 复制代码

#开始运行编译，基于configure所在当前目录执行以下代码
#configure会根据当前系统环境和指定参数生成makefile文件，为下一步的编译做准备
请执行：  ./configure
#编译：根据生成的Makefile文件，指导当前平台的编译器编译所有的源码
请执行：  make
#安装： 将编译和配置好了的库文件、头文件等内容统一存储到指定的位置
请执行：  sudo make install
#检查是否安装成功
请执行：  ffmpeg -version

执行过程中如果出现 nasm/yasm not found or too old. 则执行：
sudo apt-get install yasm

#本次处理，将视频放到了 /stu-1064/gaussian-splatting/data/xiaoyu/input 下面
#采用ffmpeg处理视频文件，本文的视频名称叫3dgs.mp4，质量为720p，目的是压缩训练时间
ffmpeg -i 3dgs.mp4 -vf "setpts=0.2*PTS" %04d.jpg
#处理完视频，把视频删除，仅保留图片即可，如果图片太多建议仅保留200~400张左右图片
#本次处理50秒的视频，生成了1800多张图，采用连续6张图为一组，每组仅保留1张图，最后仅保留300张图
#最后，input文件仅包含300张图

安装成功会有以下信息

处理成功会有以下图片

五、diff-gaussian-rasterization、fused-ssim和simple-knn的配置

如果你需要手动配置diff-gaussian-rasterization、fused-ssim和simple-knn，则看按下面教程走，否则省略

diff-gaussian-rasterization的安装配置

https://github.com/graphdeco-inria/diff-gaussian-rasterization/tree/3dgs_accel

javascript 复制代码

# 下载到目录  ./gaussian-splatting/submodules 下，**请直接到链接下载！**
https://github.com/graphdeco-inria/diff-gaussian-rasterization/tree/3dgs_accel

# 接下来进入目录 
./gaussian-splatting/submodules/diff-gaussian-rasterization/third_party/glm，在此目录下载：
https://github.com/g-truc/glm.git

# 进入目录到./gaussian-splatting/submodules/diff-gaussian-rasterization，执行依赖下载：
apt-get update && apt-get install -y libglm-dev

# 安装，请不要漏了小点
pip install .

#如果pip install .安装过程有cuda_home的报错，请删除原来的cuda和pip环境，使用pip再次安装
pip uninstall torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1
conda uninstall pytorch torchvision torchaudio pytorch-cuda=11.8 -c pytorch -c nvidia
pip install torch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 --index-url https://download.pytorch.org/whl/cu118

#如果与当前系统cuda不匹配，请到pytorch官网安装相应cuda
https://pytorch.org/get-started/previous-versions/

# 验证 diff_gaussian_rasterization 是否正确安装
python # 当前目录输入python
Python 3.9.23 | packaged by conda-forge | (main, Jun  4 2025, 17:57:12) 
[GCC 13.3.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> from diff_gaussian_rasterization import SparseGaussianAdam
>>> print(SparseGaussianAdam)
<class 'diff_gaussian_rasterization.SparseGaussianAdam'>
>>> exit()

以上是diff-gaussian-rasterization的安装配置教程 ，submodules/diff-gaussian-rasterization/diff_gaussian_rasterization/init .py应该有SparseGaussianAdam

fused-ssim和simple-knn的安装配置

javascript 复制代码

# 分别克隆仓库到目录  ./gaussian-splatting/submodules 下，如果无法克隆，请直接到链接下载
git clone --recursive https://github.com/rahul-goel/fused-ssim.git
git clone --recursive https://github.com/camenduru/simple-knn.git
# 分别进入目录到
./gaussian-splatting/submodules/fused-ssim，
./gaussian-splatting/submodules/simple-knn
# 安装，请不要漏了小点，--no-build-isolation参数可确保正确链接 PyTorch 库
pip install . --no-build-isolation


# 验证 fused_ssim 是否正确安装
(env1056) root@coo1h1npdmlqb-0:/stu-1064/gaussian-splatting/submodules/fused-ssim# python
Python 3.9.23 | packaged by conda-forge | (main, Jun  4 2025, 17:57:12) 
[GCC 13.3.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> from fused_ssim import fused_ssim
>>> print(fused_ssim)
<function fused_ssim at 0x7fc10d5341f0>

# 验证 simple_knn 是否正确安装, 这里需要**返回到主目录验证**
# 原因：在 simple-knn 子模块的源码目录（./simple-knn）下运行 Python，
此时 Python 会优先加载当前目录下的 simple_knn 源码文件夹（未编译的纯 Python 目录），
而非通过 pip install . 安装到 Conda 环境中的「编译后模块」（含 _C 扩展）.
(env1056) root@coo1h1npdmlqb-0:/stu-1064/gaussian-splatting# python
Python 3.9.23 | packaged by conda-forge | (main, Jun  4 2025, 17:57:12) 
[GCC 13.3.0] on linux
Type "help", "copyright", "credits" or "license" for more information.
>>> from simple_knn._C import distCUDA2
>>> print(distCUDA2)
<built-in method distCUDA2 of PyCapsule object at 0x7fca442d6d50>
>>> exit()

# 如果出现错误：ImportError: libc10.so: cannot open shared object file: No such file or directory
# 1. 查看当前 Conda 环境根目录（应输出 /opt/conda/envs/env1056）
echo $CONDA_PREFIX

# 2. 拼接 PyTorch 库路径，并用 ls 验证是否存在 libc10.so
PYTORCH_LIB_PATH="$CONDA_PREFIX/lib/python3.9/site-packages/torch/lib"
ls $PYTORCH_LIB_PATH | grep libc10.so

# 如果上面有输出：libc10.so，则临时配置（当前终端生效，快速验证）
export LD_LIBRARY_PATH=$CONDA_PREFIX/lib/python3.9/site-packages/torch/lib:$LD_LIBRARY_PATH

六、训练

javascript 复制代码

# 在训练之前检查是否安装 tensorboard、tqdm、opencv-python、ply-file
(env1056) root@coo1h1npdmlqb-0:/stu-1064/gaussian-splatting/submodules/fused-ssim# python
Python 3.9.23 | packaged by conda-forge | (main, Jun  4 2025, 17:57:12)                                                                 
[GCC 13.3.0] on linux                                                                                                                   
Type "help", "copyright", "credits" or "license" for more information.                                                                  
>>> from torch.utils.tensorboard import SummaryWriter                 
>>> from tqdm import tqdm
>>> import cv2
>>> from plyfile import PlyData, PlyElement                                                                             
>>> print(SummaryWriter)
<class 'torch.utils.tensorboard.writer.SummaryWriter'>                                                                                  
>>> exit()

# 如果没有安装tensorboard ，则执行：
conda install -y tensorboard
pip install tqdm
pip install opencv-python
pip install plyfile

# 训练之前需要用convert出来图片，执行：
python convert.py -s data\xioayu

# 训练代码，请进入到train.py所在目录，执行：
python train.py -s data\xiaoyu --optimizer_type sparse_adam

#如果你没有安装diff-gaussian-rasterization，则执行：
python train.py -s data\xiaoyu

七、查看模型

安装SIBR_viewer，https://repo-sam.inria.fr/fungraph/3d-gaussian-splatting/binaries/viewers.zip

javascript 复制代码

<path to trained model>和SIBR_viewer安装目录，不要求同一目录，SIBR_viewer仅提供可视化图形界面，
本质上是用SIBR_viewer查看model，也就意味着你可以采用其它方式查看模型，
那么这个模型路径具体应是什么？如下Linux系统的例子：
(base) root@8n8r06eisffpi-0:/stu-1064/gaussian-splatting# ls
LICENSE.md    arguments  convert.py       ffmpeg             kip_matching  output      scene       utils
README.md     assets     data             full_eval.py       lpipsPyTorch  render.py   submodules  viewers
SIBR_viewers  colmap     environment.yml  gaussian_renderer  metrics.py    results.md  train.py    viewers.zip

(base) root@a9g98eplim9d2-0:/stu-1064/gaussian-splatting/output# ls
70564eb6-a  ef599c61-f  view_output.zip

(base) root@a9g98eplim9d2-0:/stu-1064/gaussian-splatting/output/ef599c61-f# ls
cameras.json  cfg_args  events.out.tfevents.1766259067.bgeegjakuk8rm-0.39847.0  exposure.json  input.ply  point_cloud

# 可以看到有训练完成后生成的 output 文件，output里面的 70564eb6-a 和 ef599c61-f 就是你训练出来的模型
# 上面例子的<path to trained model>为：/stu-1064/gaussian-splatting/output/ef599c61-f

(base) root@a9g98eplim9d2-0:/stu-1064/gaussian-splatting/output/ef599c61-f# pwd
/stu-1064/gaussian-splatting/output/ef599c61-f

javascript 复制代码

# 上面例子是Linux，下面操作是在window
# SIBR_gaussianViewer_app.exe在.\viewer\bin目录下，cmd进入.\viewer\bin目录下，执行：
SIBR_gaussianViewer_app.exe -m <path to trained model>

如果有报错：cudart64_12缺失，请到链接下载相应版本：
https://www.dllme.com/dll/files/cudart64_12/versions

如果你是直接点上面链接下载的SIBR_viewer，那么应该是在.\viewer\bin目录下，如果不是自行查看viewer的安装目录，cudart64_12具体放哪里，如下图：