3D Gaussian Splatting 训练自己的数据scene

已于 2024-01-03 23:00:43 修改
阅读量2.8k 收藏 16
点赞数 9
分类专栏： 3d渲染 深度学习宝典 3D视觉 文章标签： java 前端 服务器
于 2024-01-03 20:14:49 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/jacke121/article/details/135371651
版权
这篇博客详细介绍了使用3D Gaussian Splatting进行AI场景训练的步骤，包括colmap的安装，初始点云的生成，训练流程，解析ColmapScene数据格式，理解NerfSyntheticInfo以及如何可视化训练结果。适合对3D重建感兴趣的读者。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

了解本专栏 订阅专栏 解锁全文 超级会员免费看
3DGS（3D Guassian Splatting）部署验证+个人数据训练
u011833022的博客
03-06 1万+
3DGS（3D Guassian Splatting）部署验证+个人数据训练
3D Gaussian Splatting训练自己的数据集
m0_58204947的博客
04-25 3500
需要场景的各个角度的图片，推荐100-1000张。数量过少会导致模型质量不够，数量过多会导致过长的训练时间。为了保持更好的效果，每张照片需保持一致的曝光。项目github地址：https://github.com/graphdeco-inria/gaussian-splatting。准备好照片之后，在项目中新建一个data文件夹，再在data文件夹中新建一个input文件夹，放入照片。在创建好的anaconda环境中安装以下依赖。完成安装后，运行以下命令训练。下载可视化工具并解压到项目中。
【3DGS】Ubuntu系统下完成3D Gaussian Splatting自采数据集的重建、评估及可视化
weixin_48400654的博客
06-07 5094
第一次采集的output.mkv大概有7秒，从中获得了220+张图片，但是在生成点云的过程中遇到了图像配准过程多次失败的问题，导致最后只有2张图片符合要求，送入images文件夹。同时在mydata文件夹下创建。所以在第二次采集的时候，缓慢移动相机，也采集久了一点，确保相邻图像之间有足够的重叠区域，大概是30秒，800+张图片（转换了还挺久的）。因此，使用 ImageMagick 来调整无畸变图像的大小，即在对应文件夹中创建原始分辨率的 1/2、1/4 和 1/8 的图像。即调用colmap生成点云。
3D Gaussian Splatting代码详解（一）：模型训练、数据加载
qq_35831906的博客
10-29 1978
train函数旨在通过高斯模型增密、学习率调整、定期保存 checkpoint 和渲染优化，训练一个能够表示 3D 场景的高斯模型。数据加载提供了两个主要函数 readColmapSceneInfo 和 readColmapCameras，用于读取和处理 COLMAP 生成的相机参数和场景信息，并将其格式化为易于使用的数据结构。这些函数为后续 3D 重建和 NeRF 训练准备相机参数、点云数据及其他场景归一化信息。
基于3D Gaussian Splatting与NeRF实现三维重建(使用IPhone创建数据集)
BIgbossyii的博客
01-11 2020
本项目参考YouTube中博主SpectacularAI官网本文项目构建在Windows与Ubuntu中，二者在项目构建中并未有实质性的差距，可相互参考环境与参数的配置，本文即在Windows11（已配置好CUDA）中进行。Windows下配置CUDA的方法可参考《TensorFlow-GPU-2.4.1与CUDA安装教程》Spectacular AI SDK融合来自相机和IMU传感器(加速度计和陀螺仪)的数据，并输出设备的精确6自由度姿态。
3D Gaussian Splatting的使用
gootyking的博客
12-04 8497
Gaussian splatting 快速生成自己屋子的模型
3D Gaussian Splatting 原理跟代码 debug模式讲解
weixin_37481069的博客
06-19 2667
3d gaussian splatting + smpl 系列AI课程 代码讲解
3D Gaussian Splatting代码详解（二）：模型构建
一名混沌的大学生
12-06 1495
3 模型构建 scene/gussian_model.py中的GussianModel类 gaussians = GaussianModel(dataset.sh_degree) 3.1初始化函数 __init__ 构造函数 构造函数 init 的主要作用是初始化 3D 高斯模型的各项参数和激活函数，用于生成 3D 空间中的高斯表示。 初始化球谐函数的参数： self.active_sh_degree：当前激活的球谐函数次数，初始为 0。self.max_sh_degree：指定的
3D Gaussian Splatting（部分手动复现）
2301_79551546的博客
04-30 1330
实操流程
3D Gaussian Splatting Linux端部署指南（含Linux可视化）
热门推荐
serapan的博客
02-21 2万+
B站上看过windows版本的部署方式，可惜我的电脑没有GPU，linux服务器才有，于是根据github官网探索3D Gaussian Splatting的Linux端部署方式，记录一下。
3D Gaussian Splatting学习记录11.2
weixin_46933478的博客
11-02 2838
【代码】3D Gaussian Splatting学习记录11.2。
用3D高斯泼溅(3DGS)重建自己的数据
木盏
03-05 8962
几乎可以下结论：3D Gaussian Splatting(3DGS)技术的出现，宣告了NeRF时代的结束。一个集高渲染质量、分钟级重建速度、实时渲染速度为一身的三维重建算法3DGS，毫无疑问开创了一个新的时代。本文不对3DGS的原理做太深入的解读，只做实验。，因为colmap会默认选用【SIMPLE_RADIAL】，而这个是3DGS不支持的模式。folder_A是数据路径，folder_B是结果路径。本文由本人亲自整理，实验获得成功。一个图像文件夹，每个视角各一张图片，命名方式如上。
探索3D未来：GauStudio——3D高斯点云重建框架
gitblog_00080的博客
06-08 1146
探索3D未来：GauStudio——3D高斯点云重建框架 项目地址:https://gitcode.com/gh_mirrors/ga/gaustudio GauStudio 是一个全方位的3D高斯点云渲染（3DGS）框架，旨在为这个日新月异的技术领域提供统一的基础架构。通过集成全面的代码库、优化的流程和多种工具资源，GauStudio让开发者能够更容易地探索、实现和部署基于3DGS的解决方案，...
【三维重建】DreamGaussian：高斯splatting的单视图3D内容生成（原理+代码）
qq_45752541的博客
10-19 1万+
常用的3D内容创建方式，主要是利用基于优化的通过分数蒸馏采样（SDS）进行的3D生成。该方法每个样本优化较慢，很难实际应用。本文提出了DreamGaussian，兼顾效率和质量：设计一个生成的三维高斯splitting 模型，并在 uv 空间中配合网格提取和纹理细化。与NeRF中使用的 occupancy pruning 相比，三维高斯分布的渐进致密化收敛速度明显更快。为了进一步提高纹理质量，促进下游应用，我们引入了一种高效的算法，将三维高斯矩阵转换为纹理网格并应用一个微调阶段来细化细节。
3D Gaussian Splatting
Donglitgh的博客
01-25 852
的差异作为梯度传播---->自适应密度控制调整高斯求数量---->将高斯椭球投影到像素平面。把利用SFM得到的点云坐标作为高斯椭球均值，然后初始化高斯椭球。将高斯椭球投影到像素平面---->光栅化得到。---->计算与Image。每个点的高斯表示中的。
3DGS(gaussian-splatting)在windows11、RTX4060环境配置步骤
weixin_42660711的博客
06-01 4267
最近公众号一直在推3DGS方面的内容，之前很早就准备配置一下该环境，奈何一直手懒。趁着空闲，配置了一下Windows环境下的3DGS，按照本文的流程进行配置成功率很大，亲测有效！
Win10 + 4090显卡配置深度学习环境 + gaussian-splatting配置 + 实测自己的场景
qq_41694024的博客
12-27 4661
b) 把\cuda\ include目录下的文件复制到 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\include 目录下.c) 把\cuda\lib\x64\目录下的文件复制到C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v11.8\lib\x64 目录下.显存占用大约在7G左右，CPU占用率大约为12% 4.40GHz（I9 13代还是强），内存占用大约为12.6G。
Windows 安装 pytorch3d 2024更新
jacke121的专栏
06-11 6827
首先安装pytorch，我安装的是 pytorch 1.5.0 py3.7_cuda102_cudnn7_0 pytorch 然后下载pytorch3d到本地，主要不要下载master分支的，下载release的版本，我这里下载最新的 v0.2.0，下载链接是https://github.com/facebookresearch/pytorch3d/archive/v0.2.0.zip. 下载到本地解压后，再以管理员方式打开...
3d gaussian splatting流程图
最新发布
12-07
3D Gaussian Splatting是一种用于生成高质量3D图像和视频的技术。其流程图通常包括以下几个步骤： 1. **数据采集**：从多个视角拍摄或生成3D场景的图像数据。 2. **预处理**：对采集到的图像数据进行预处理，包括去噪、校准和特征提取等。 3. **高斯点云生成**：将预处理后的数据转换为高斯点云，每个点代表一个高斯分布。 4. **优化**：通过优化算法调整高斯点云的位置、方向和大小，以最小化重建误差。 5. **渲染**：使用优化后的高斯点云进行3D渲染，生成高质量的图像或视频。 6. **后处理**：对渲染结果进行后处理，如添加光照效果、纹理映射等。 以下是一个简化的流程图： ``` 数据采集 --> 预处理 --> 高斯点云生成 --> 优化 --> 渲染 --> 后处理 ``` 详细步骤如下： 1. **数据采集**： - 从不同角度拍摄场景的图像。 - 使用3D扫描仪或深度相机获取场景的深度信息。 2. **预处理**： - 对图像进行去噪处理。 - 校准相机参数。 - 提取图像中的特征点。 3. **高斯点云生成**： - 将特征点转换为高斯分布。 - 初始化高斯点云的位置和方向。 4. **优化**： - 使用优化算法（如梯度下降）调整高斯点云。 - 最小化重建误差，使渲染结果更接近真实场景。 5. **渲染**： - 使用优化后的高斯点云进行3D渲染。 - 生成高质量的图像或视频。 6. **后处理**： - 添加光照效果。 - 进行纹理映射。 - 其他视觉效果处理。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

AI算法网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值