引用:
NeRF位置编码代码解读_get_embedder-CSDN博客
NeRF位置编码
朴素NeRF中直接采用频率变换来做位置编码,为的是避免空间相邻采样点在MLP表示中的过平滑问题。比如位置(237, 332, 198)和位置(237,332,199)这两个点作为MLP的输入,MLP可能对个位不够敏感,导致输出过平滑的问题。例如:
由于缺乏位置编码,导致纹理相近区域的细节会丢失。
我们来看一下原文中关于Position Encoding的公式:
频率编码,其实是一种广义的傅里叶变换,代码如下:
import torch
class FreqEmbedder:
def __init__(self, multi_freq, include_input=True, input_dims=3, log_sampling=True):
self.multi_freq = multi_freq
self.input_dims = input_dims
self.include_input = include_input
self.log_sampling = log_sampling
self.periodic_fns = [torch.sin, torch.cos]
self.embed_fns = None
self.out_dim = None
self.create_embedding_fn()
def create_embedding_fn(self):
embed_fns = []
d = self.input_dims
out_dim = 0
if self.include_input:
embed_fns.append(lambda x: x)
out_dim += d
max_freq = self.multi_freq - 1
N_freqs = self.multi_freq
if self.log_sampling:
freq_bands = 2. ** torch.linspace(0., max_freq, steps=N_freqs)
else:
freq_bands = torch.linspace(2. ** 0., 2. ** max_freq, steps=N_freqs)
for freq in freq_bands:
for p_fn in self.periodic_fns:
embed_fns.append(lambda x, p_fn=p_fn, freq=freq: p_fn(x * freq))
out_dim += d
self.embed_fns = embed_fns
self.out_dim = out_dim
def embed(self, inputs):
return torch.cat([fn(inputs) for fn in self.embed_fns], -1)
其中torch.sin和torch.cos实现的就是数学意义的功能,举个例子:
import torch
pi = 3.1415926
degree_30 = pi / 6 # 30 degree
a = torch.Tensor([degree_30])
r = torch.sin(a)
print(r) # tensor([0.5000])
上图就是NeRF中MLP的输入顺序,图中并没有加原始位置,所以位置编码的维度为60,而方向编码的维度为24。
NeRF 位置编码代码分析:
以下是对 get_embedder() 函数的具体分析:
def get_embedder(multires, i=0):
if i == -1:
return nn.Identity(), 3
embed_kwargs = {
'include_input' : True, # 如果为真,最终的编码结果包含原始坐标
'input_dims' : 3, # 输入给编码器的数据的维度
'max_freq_log2' : multires-1,
'num_freqs' : multires, # 即论文中 5.1 节位置编码公式中的 L
'log_sampling' : True,
'periodic_fns' : [torch.sin, torch.cos],
}
embedder_obj = Embedder(**embed_kwargs)
embed = lambda x, eo=embedder_obj : eo.embed(x)
# embed 现在相当于一个编码器,具体的编码公式与论文中的一致。
return embed, embedder_obj.out_dim
class Embedder:
def __init__(self, **kwargs):
self.kwargs = kwargs
self.create_embedding_fn()
def create_embedding_fn(self):
embed_fns = []
d = self.kwargs['input_dims']
out_dim = 0
# 如果包含原始位置
if self.kwargs['include_input']:
embed_fns.append(lambda x : x)
# 把一个不对数据做出改变的匿名函数添加到列表中
out_dim += d
max_freq = self.kwargs['max_freq_log2']
N_freqs = self.kwargs['num_freqs']
if self.kwargs['log_sampling']:
freq_bands = 2.**torch.linspace(0., max_freq, steps=N_freqs)
# 得到 [2^0, 2^1, ... ,2^(L-1)] 参考论文 5.1 中的公式
else:
freq_bands = torch.linspace(2.**0., 2.**max_freq, steps=N_freqs)
# 得到 [2^0, 2^(L-1)] 的等差数列,列表中有 L 个元素
for freq in freq_bands:
for p_fn in self.kwargs['periodic_fns']:
embed_fns.append(lambda x, p_fn=p_fn, freq=freq : p_fn(x * freq))
# sin(x * 2^n) 参考位置编码公式
out_dim += d
# 每使用子编码公式一次就要把输出维度加 3,因为每个待编码的位置维度是 3
self.embed_fns = embed_fns # 相当于是一个编码公式列表
self.out_dim = out_dim
def embed(self, inputs):
# 对各个输入进行编码,给定一个输入,使用编码列表中的公式分别对他编码
return torch.cat([fn(inputs) for fn in self.embed_fns], -1)