NeRF三维重建——论文代码复现（含语句）

论文：[2003.08934] NeRF: Representing Scenes as Neural Radiance Fields for View Synthesis

前期准备

1、获取代码

NeRF Explained | Papers With Code

进入Github，下载压缩包，解压，在Pycharm中打开。

2、下载数据集

在GitHub页面找到下图所示here，点进去后下载NeRF数据集。

数据集介绍：

• nerf_llff_data 为各种设备拍摄的真实场景多视角数据集，包括八个场景，分别是 fern、flowers、fortress、leaves、horns、orchids、room、trex
• 每个场景中的图像数目均不相同，其中 fern 含有的图像最少，为 20 张；horns 含有的图像最多，为 62 张，其余场景数量均在 20-62 之间
• 由于每个场景的数据量不同，因此并未给每个场景设置相同数量的训练数据，而是根据比例来设定。对每个场景均设置 7/8 为训练数据，剩余 1/8 为测试数据。即将图像编号从小到大排列，每隔 7 张取出一张作为测试数据
• 每个场景的相机参数（位姿转换矩阵）均由 colmap 估算出，每张图像有三种不同的分辨率：4032x3024，2016x1512，1008x756。本实验中使用的为 4032x3024 分辨率图像

复现过程

1、配置环境

pip install -r requirements.txt

2、修改

修改数据集的名称，原来是llff,修改成nerf_llff_data。

3、运行

渲染指令（将{DATASET}换成某个训练集的名称）

python run_nerf.py --config configs/{DATASET}.txt

等待其跑完即可，下图框中为预计时间

4、结果

生成目录示例如下：

（下方有训练50000、100000、150000、200000次的深度和rgb的视频输出。）