利用nvdiffrast库对mesh结合texture image渲染

最新推荐文章于 2024-05-15 09:50:16 发布
最新推荐文章于 2024-05-15 09:50:16 发布
阅读量544 收藏 9
点赞数 9
文章标签： python 计算机视觉
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/qq_50003999/article/details/136399519
版权
本文介绍了如何使用nvdiffrast库对包含顶点位置、uv坐标和面片索引的mesh进行光栅化处理，并强调了在uv坐标处理中的一个重要调整：uv的v分量需取1减去其自身。作者提供了使用官方例程进行操作的参考。
摘要由CSDN通过智能技术生成
  • nvdiffrast库的官方地址
  • 整体需求：有了一个obj的mesh，mesh内包含顶点位置（v）、uv坐标（vt）、面片索引（f）。uv坐标可以采用xatlas-python得到。
  • 有了mesh和texture image之后，用mesh lab打开mesh可以直接显示带有diffuse color的外观。（需要在mesh的文件里加一行mtllib mesh_0.mtl，然后在mesh_0.mtl中加一行map_Kd diffuse color的texture image名称.jpg）
  • 打开mesh lab之后可以查看每一个顶点的uv坐标和顶点位置坐标，如图一，pos代表的是顶点位置（v），uv代表的是uvmapping得到的纹理坐标（vt）。面片索引是f v//vt v//vt v//vt的形式，可以查看vt对应的下标找到对应v的下标，发现是一一对应的。
  • 可以用nvdiffrast对mesh光栅化并对uv坐标进行插值，参考官方的例程。然后用uv坐标对texture image查询对应的texture。
  • 最大的坑来了，uv坐标的u不用动，v需要1-v，也就是uv[:,:,:,1] = 1-uv[:,:,:,1]
    图一
MarvelousJ
关注
  • 9
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
nvdiffrast:Nvdiffrast-高性能可区分渲染的模块化基元
03-20
Nvdiffrast –高性能可区分渲染的模块化基元 高性能可区分渲染的模块化基元Samuli Laine，Janne Hellsten，Tero Karras，Yongho Seol，Jaakko Lehtinen，Timo Aila Nvdiffrast是一个PyTorch / TensorFlow库，可为基于栅格化的可区分渲染提供高性能的原始操作。有关更多信息，请参考☜☜。 执照 NVIDIA Corporation版权所有:copyright:2020。版权所有。 这项工作在。 如有业务咨询，请联系 我们目前不接受以拉取请求的形式提供的外部代码。 作为samples/data/envphong.npz一部分存储的环境图来自最初根据共享的Wave Engine 。作为samples/data/earth.npz一部分存储的网格和纹理来自模型，该模型最初是根据。 引文 @article{Laine20
nvdiffrast的MeshRenderer
子燕若水的博客
11-12 1105
这样通过神经网络可微分的运算,实现了不同iable的3D mesh渲染,可以将其接入网络进行端到端的训练。
推荐使用Nvdiffrast：高性能可微分渲染的模块化基础
最新发布
gitblog_00074的博客
05-15 256
推荐使用Nvdiffrast：高性能可微分渲染的模块化基础 项目地址:https://gitcode.com/NVlabs/nvdiffrast 1、项目介绍 Nvdiffrast 是一款强大的PyTorch和TensorFlow库，它专为基于光栅化的可微分渲染提供了高性能的基础操作。由NVIDIA研究团队开发的这个库，旨在简化和加速在机器学习与计算机图形学交叉领域的复杂计算任务。 该项目的亮点在...
nvdiffrast
duoyasong5907的博客
02-16 3951
nvdiffrast
【代码详解】nvdiffmodeling渲染部分代码解析
YuhsiHu的博客
05-20 2815
代码详解英伟达可微渲染nvdiffmodeling，优化mesh和学习材质
使用指令安装github仓库（nvdiffrast数据包下载）
qq_48348861的博客
03-18 522
step1：进入相应的虚拟环境中指令如下。step2：可更改数据包下载地址，默认下载再C盘，更改指令如下。step3：依次输入如下指令，即可下载github仓库中的数据包。
安装nvdiffrast后跑例子报错
DavieChars的博客
09-13 1101
如上图，出现了一堆编译错误，主要是最后一句nvcc fatal : Value ‘c++17’ is not defined for option ‘std’，看了一下/usr/bin/nvcc，发现是10.1版本的cuda，不支持c++17。然后source ~/.bashrc，就可以跑了。
Flutter 使用Texture实现Android渲染视频
11-20
flutter渲染视频的方法有多种，比如texture、platformview、ffi，其中texture是通过flutter自己提供的一个texture对象与dart界面关联后进行渲染，很容易搜索到android和ios的相关资料，但是大部分资料不够详细，尤其...
Flutter 使用Texture实现Windows渲染视频
11-18
通过查看一些开源库的代码，找出了再windows使用texture渲染的方法，在这里做一个简单的介绍。本资源为文章附件资源，原文链接：https://blog.csdn.net/u013113678/article/details/125492286。
Flutter 使用Texture实现Linux渲染视频
11-20
flutter渲染视频的方法有多种，比如texture、platformview、ffi，其中texture是通过flutter自己提供的一个texture对象与dart界面关联后进行渲染，很容易搜索到android和ios的相关资料，但是Linux上却几乎找不到任何...
matlab.rar_color_image retrival_retrival_texture retrival
09-22
content based image retrival based color , texture and differnet properties
hppc:Java的高性能基元集合
05-13
HPPC：高性能原始集合 具有开放内部结构和API扭曲（没有java.util.collections。*兼容性）的原始类型（映射，集合，堆栈，列表）的集合。 有关更多信息，请参见以下内容： Wiki： ： 错误（github）： ： 错误（仅旧问题）： : 如果您只是四处逛逛，请参阅ALTERNATIVES.txt。 请访问LICENSE.txt，使您公司的律师满意。 有关API更改和更新，请参见CHANGES.txt。 （c）Carrot Search sc，
可区分的渲染而无需近似。-PHP开发
05-27
redner：无近似的可区分渲染redner是一种可区分的渲染器，可以采用任意场景参数的渲染输出导数，也就是说，您可以从i redner向后传播：redred：无近似的可区分渲染是可采用的渲染器。渲染输出关于任意场景参数的派生，也就是说，您可以从图像向后传播到3D场景。 Redner的主要用途之一是通过梯度下降进行反向渲染（因此称为Redner）。 设置红色的区别在于：1）通过适当考虑光盘，它可以随机计算正确的渲染渐变，而无需任何近似
GPU上基于高性能线性代数的图基元-C/C++开发
05-27
GraphBLAST GraphBLAST是GraphBLAS的GPU实现，GraphBLAS是用于构建图算法的开放标准。 它为没有GPU编程经验的数据科学家提供了在GPU上实现图形算法的能力。 我们GraphBLAST GraphBLAST是GraphBLAS的GPU实现，GraphBLAS是用于构建图算法的开放标准。 它为没有GPU编程经验的数据科学家提供了在GPU上实现图形算法的能力。 我们是以下指标方面的领先图形框架：性能：GraphBLAS的第一个高性能GPU实现可组合：具有用于表达大多数图形算法的构建基块的库简洁：GPU上的单源最短路径（SSSP）可以
nvdiffmodeling:可微分栅格化应用于3D模型简化任务
04-16
nvdiffmodeling 如本文所述，可微分栅格化应用于3D模型简化任务： 外观驱动的自动3D模型简化乔恩·哈塞尔格伦（Jon Hasselgren），雅各布·蒙克伯格（Jacob Munkberg），雅克·莱蒂宁（Jaakko Lehtinen），米卡·艾塔塔（Miika Aittala）和萨穆利·莱恩 执照 NVIDIA Corporation版权所有:copyright:2021。 版权所有。 这项工作在。 如有业务咨询，请联系 安装 需要VS2019 +，Cuda 10.2+和PyTorch 1.6+ 在Anaconda3中使用Python 3.6和PyTorch 1.8进行了测试 一次设置（Windows） 安装Cuda工具包（用于构建PyTorch扩展）。 我们支持Cuda 10.2及更高版本。 选择与已安装的Cuda工具包兼容的PyTorch版本。 以下是Cuda 11.1的示
物联网物理不可克隆功能的实现与表征：一个 案例研究与 TERO-PUF翻译后的.pdf
03-09
Implementation and Characterization of a Physical Unclonable Function for IoT: A Case Study With the TERO-PUF的论文翻译
Texture_Synthesis_Using_Image_Quilting.rar_image synthesis _quil
07-14
最佳接缝法纹理合成的MATLAB代码，有图像例子，有网页说明，具体算法参照文献：Image Quilting for Texture Synthesis and Transfer
人脸重建环境配置时的坑
Yannie's Blog
10-26 1382
ERROR: Could not install packages due to an EnvironmentError: [Errno 28] No space left on device 由于是docker环境 所以把 /tmp目录下的文件清理一下，这个方法没用。。。。 重新链接一个tmp的时候需要注意一下目录 cd ~ mkdir tmp pwd #查看当前tmp的路径 export TMPDIR=当前tmp的路径 #注意，这里有的写的是TMPDIR=$home/tmp 这需要根据你创建的tmp的目
请注意OpenMesh::IO::read_texture函数不存在,并且注意该obj文件带有多张PNG纹理图片,上述读取方法明显不正确
06-10
非常抱歉，我的回答有误。在OpenMesh中确实没有OpenMesh::IO::read_texture函数。下面是一个更正的读取带有多张PNG纹理图片的OBJ文件的方法。 1. 首先，需要包含OpenMesh的头文件： ```c++ #include <OpenMesh/Core/IO/MeshIO.hh> #include <OpenMesh/Core/Mesh/TriMesh_ArrayKernelT.hh> #include <OpenMesh/Core/IO/TextureImporter.hh> ``` 2. 然后，定义一个TriMesh_ArrayKernelT类型的网格对象，并使用OpenMesh的函数将OBJ文件读入到该对象中。在这个过程中，需要将加载纹理所需的选项通过IO::Options结构体对象传递给函数。 ```c++ typedef OpenMesh::TriMesh_ArrayKernelT<> MyMesh; // 定义TriMesh对象 MyMesh mesh; // 声明一个TriMesh对象 OpenMesh::IO::Options opt; // 声明一个IO::Options对象 opt += OpenMesh::IO::Options::VertexTexCoord; // 加载纹理坐标 opt += OpenMesh::IO::Options::FaceTexCoord; // 加载面的纹理坐标 if ( !OpenMesh::IO::read_mesh(mesh, "mesh.obj", opt) ) // 加载OBJ文件 { std::cerr << "Error: Cannot read mesh from mesh.obj" << std::endl; exit(1); } ``` 3. 然后，需要使用OpenMesh的TextureImporter类来加载纹理图片。这个类可以加载多种格式的图片，并且可以将多个纹理映射到网格上。 ```c++ OpenMesh::IO::TextureImporter ti; // 声明一个TextureImporter对象 if ( !ti.readFile("mesh.mtl") ) // 加载MTL文件 { std::cerr << "Error: Cannot read material file from mesh.mtl" << std::endl; exit(1); } for (int i=0; i<ti.textureCount(); ++i) // 加载所有纹理图片 { std::string filename = ti.textureFilename(i); OpenMesh::TexHandle tex_handle; if ( !OpenMesh::IO::read_image(tex_handle, filename) ) // 加载纹理图片 { std::cerr << "Error: Cannot read texture from " << filename << std::endl; exit(1); } mesh.tex_index(tex_handle) = i; // 将纹理句柄存储到属性中 } ``` 4. 最后，可以通过访问网格对象中的纹理坐标和使用OpenMesh的纹理库将纹理映射到网格上来渲染带有纹理的网格。 ```c++ // 访问纹理坐标 for (MyMesh::FaceIter f_it=mesh.faces_begin(); f_it!=mesh.faces_end(); ++f_it) { MyMesh::FaceHandle fh = *f_it; for (MyMesh::FaceVertexIter fv_it=mesh.fv_iter(fh); fv_it; ++fv_it) { MyMesh::VertexHandle vh = *fv_it; MyMesh::TexCoord2D texcoord = mesh.texcoord2D(vh); // ... } } // 渲染带有纹理的网格 // ... ``` 以上就是一个更正的读取带有多张PNG纹理图片的OBJ文件的方法。希望能帮助到你！

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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
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