《LandMark项目安装与配置指南》

《LandMark项目安装与配置指南》

LandMark 项目地址: https://gitcode.com/gh_mirrors/la/LandMark

1. 项目基础介绍

LandMark 是一个开源项目，旨在实现大规模真实世界城市场景的三维建模和渲染。该项目基于 GridNeRF（CVPR23）构建，提供了高效的训练和渲染算法，以及对原有算法的优化。LandMark 支持大规模、高质量的视图渲染，并且可以实现场景布局的调整和风格化。

主要编程语言：Python

2. 项目使用的关键技术和框架

• GridNeRF：用于神经场景渲染的模型，LandMark 在此基础上进行了并行化、算子优化和内核加速。
• PyTorch：深度学习框架，用于模型的训练和渲染。
• CUDA：NVIDIA 提供的并行计算平台和编程模型，用于加速 GPU 计算。

3. 项目安装和配置的准备工作

在开始安装前，请确保您的系统满足以下要求：

• 操作系统：支持 CUDA 的 Linux 或 Windows 系统。
• GPU：NVIDIA GPU 卡，已安装 CUDA。
• Python：版本 3.9.16。
• Conda：推荐用于环境管理。
• Git：用于克隆项目代码。

安装步骤

1. 克隆项目代码

   打开命令行，执行以下命令克隆项目：

   git clone https://github.com/InternLandMark/LandMark.git
   

2. 设置环境

   使用 Conda 创建一个虚拟环境，并激活它：

   cd LandMark
   conda create --name landmark -y python=3.9.16
   conda activate landmark
   

3. 安装 PyTorch 和 CUDA

   根据系统环境，安装 PyTorch 和 CUDA：

   python -m pip install torch==1.13.1+cu116 torchvision==0.14.1+cu116 --extra-index-url https://download.pytorch.org/whl/cu116
   

4. 安装依赖

   使用项目提供的 requirements.txt 文件安装依赖：

   pip install -r requirements.txt
   

5. 准备数据集

   准备大约 250 到 300 张图像，确保足够的重合区域，并按照以下结构组织数据集：

   your_dataset/
   ├── images/
   │   ├── image_0.png
   │   ├── image_1.png
   │   ├── ...
   ├── transforms_train.json
   └── transforms_test.json
   

   使用 COLMAP 提取相机位姿和稀疏点云模型，然后使用以下命令转换位姿数据：

   python app/tools/colmap2nerf.py --recon_dir data/your_dataset/sparse/0 --output_dir data/your_dataset
   

6. 配置实验

   修改 confs/city.txt 文件中的相关参数，如数据集路径、训练和渲染参数等。

7. 训练模型

   执行以下命令开始训练：

   python app/trainer.py --config confs/city.txt
   

8. 渲染图像

   训练完成后，使用以下命令进行渲染测试：

   python app/renderer.py --config confs/city.txt --ckpt=log/your_expname/your_expname.th
   

以上步骤为 LandMark 项目的详细安装和配置指南，祝您安装顺利！

LandMark 项目地址: https://gitcode.com/gh_mirrors/la/LandMark