在编译好colmap之后,就可以用来将自己的数据构建一个Structure-from-motion的数据格式,然后gaussian splatting算法就可以直接在数据上训练了. 先从官方仓库中克隆gaussian splatting的代码 git clone https://github.com/graphdeco-inria/gaussian-splatting --recursive (1) 默认Colmap配置 我们自己的数据要按照如下格式...
使用viewer工具对训练结果进行可视化。执行以下命令: ./viewers/bin/SIBR_GaussianViewer_app -m data/output 这将打开一个窗口,显示训练后的三维表面重建结果。您可以在窗口中自由旋转、缩放和平移视图,以便更好地观察和分析结果。 四、总结 通过本文的引导,您已经成功实现了免环境配置的3D-Gaussian-Splatting运行。...
cmake --build build --target install --config RelWithDebInfo 你需要去下载一个软件,用于查看渲染结果,这里给出链接:https://repo-sam.inria.fr/fungraph/3d-gaussian-splatting/binaries/viewers.zip 然后运行: cd install/bin ./SIBR_gaussianViewer_app -m ~/Documents/gaussian-splatting/output/face 正...
4 ./viewers/bin/SIBR_gaussianViewer_app.exe -m output/xxx 看模型结果 SIBR工具移动视角的方法在官方代码仓里有说明: 训练结果可视化 效果好的 拉近视角细节不好,可能和图像分辨率有关 原理理解 1 使用3d gaussian representation对3d scene建模,这种建模方法效果好,训练效率高。 2 使用tile-based splatting sol...
在windows中,可以直接在该链接下载构建好的可视化工具https://repo-sam.inria.fr/fungraph/3d-gaussian-splatting/binaries/viewers.zip 将该文件解压到工程文件夹中即可完成安装 安装完成之后,在地址栏输入cmd,通过下列命令运行: .\viewers\bin\SIBR_gaussianViewer_app-m data/output ...
开始训练 python train.py -s <path to COLMAP or NeRF Synthetic dataset> 使用交互式视图 ./SIBR_viewers/install/bin/SIBR_gaussianViewer_app -m /home/linhai/code/gaussian-splatting/output/ba17fb80-1
ffmpeg -i /myDoc/rangcha.mp4 -qscale:v 1 -qmin 1 -vf fps=4 ./dataset/input/%04d.jpg # 转换、训练和viewer在GitHub上面有说明,我就不重复了。最好是在Windows的powershell中运行,Linux在convert部分不太友好,特别是在docker中的时候。
4 执行 ./viewers/bin/SIBR_gaussianViewer_app.exe -m model/models/train/ 就可以看到已经训练好...
以下命令用于训练,甚至可以使用具有 12 GB VRAM 的 RTX3080。 7000次迭代大约需要21小时。 python train.py -s "<PATH>\gaussian\gaussian-splatting\Data" 4.4 可视化 执行如下命令可视化3D Gaussian Splatting,可以按 Y 键用鼠标控制视点: SIBR_gaussianViewer_app.exe -m "<PATH>\gaussian\gaussian-splatting...
This is a simple Gaussian Splatting Viewer built with PyOpenGL / CUDARasterizer. It's easy to install with minimum dependencies. The goal of this project is to provide a minimum example of the viewer for research and study purpose. News!