没跑了一点点发现好像和需求不太符,立马放弃,也不知道到底跑通没有。还是记录一下。
github:ml-neuman
流程
conda env create -f environment.yml
#或者
conda create -n neuman_env python=3.7 -y;
conda activate neuman_env;
conda install pytorch==1.8.0 torchvision==0.9.0 cudatoolkit=10.2 -c pytorch;
# For RTX 30 series GPU with CUDA version 11.x, please use:
# conda install pytorch==1.8.0 torchvision==0.9.0 torchaudio==0.8.0 cudatoolkit=11.1 -c pytorch -c conda-forge
conda install -c fvcore -c iopath -c conda-forge fvcore iopath;
conda install -c bottler nvidiacub;
conda install pytorch3d -c pytorch3d;
conda install -c conda-forge igl;
pip install opencv-python joblib open3d imageio tensorboardX chumpy lpips scikit-image ipython matplotlib;
没看英文,两个都挨着运行了一次,也没啥影响。
.
└── data
└── smplx
├── smpl
│ └── SMPL_NEUTRAL.pkl
└── smpl_uv.obj
在项目主目录新建以上文件夹,把东西放进去。
bash setup_data_and_models.sh
用bash怕出错,手动下载了两个文件夹,解压把dataset里面的内容放入data文件夹,把pretrained里面的内容放到主目录下新建的out文件夹中。注意是把里面的内容放进去。目录类似
.
└── out
└── bike_human
├── citron
├── jogging_human
├── …………
python render_360.py --scene_dir ./data/bike --weights_path ./out/bike_human/checkpoint.pth.tar --mode canonical_360
总结
只做了这些,多的不知道了。只是bash那步需要小注意一点,还是记录一下。