Windows配置NeuralRecon问题记录

已于 2022-07-09 19:56:03 修改
阅读量2k 收藏 14
点赞数 4
文章标签： 大数据 python linux
于 2022-07-04 17:29:26 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/weixin_42574049/article/details/125601369
版权
本文详细记录了在Windows下配置NeuralRecon，包括使用WSL和MobaXterm搭建环境，解决torchsparse安装问题，处理Python库依赖，以及解决pyglet运行demo时遇到的显示和GL上下文错误。通过这篇笔记，读者可以了解到如何在Windows系统中成功运行NeuralRecon的Demo。
摘要由CSDN通过智能技术生成

最近在尝试跑通浙大的NeuralRecon的demo，遇到了一些配置环境的问题，在这里一一记录~

1.        NeuralRecon介绍

NeuralRecon是浙大周晓巍实验室在2021年提出的Image-based的3D重建方法。该方法绕过了构建深度图的过程，通过提取关键帧中的特征，并将特征投影到3D空间中，再进行稀疏卷积和GRU合成，最终得到一个TSDF volume.

项目网址：NeuralRecon: Real-Time Coherent 3D Reconstruction from Monocular Video

来自实验室成员的介绍：所见即所得的单目视频三维场景实时重建_AITIME论道的博客-CSDN博客

2.        环境配置问题

NeuralRecon的github页面有配置指导。第一个要求就是建议在Ubuntu 18.04及以上版本运行。我尝试过Windows Anaconda创建虚拟环境，但很不顺利。考虑到VirtualBox/VMWare调用系统GPU有困难（虽然可以用GPU直通），我使用了Windows官方的Linux系统WSL+远程连接工具MobaXterm。

WSL: 

最低0.47元/天 解锁文章
子目詹
关注
  • 4
    点赞
  • 踩
  • 14
    收藏
    觉得还不错? 一键收藏
  • 6
    评论
Windows Docker环境下neuralRecon环境配置手把手教学
weixin_40423190的博客
10-14 1120
pyglet.canvas.xlib.NoSuchDisplayException: Cannot connect to "None"
ImportError: No module named ‘backports‘(配置运行NeuralRecon)
weixin_43851636的博客
10-25 2993
目的：最近配置NeuralRecon的环境，感觉还是比较麻烦的。在用conda安装和配置环境的时候出上述问题，记下来供后续的查阅。torch还没有11.4的cuda版本。因此，当时就下载源码git clone到本地，发现问题，它的requirement.txt里面为。这样就可以使用pip setup.y install 在本地编译安装torchsparse了。
NeuralRecon: 实时三维重建的革命性框架
最新发布
gitblog_00075的博客
04-25 552
NeuralRecon: 实时三维重建的革命性框架 项目地址:https://gitcode.com/zju3dv/NeuralRecon 在计算机视觉和机器学习领域，三维重建是至关重要的一个环节。它涉及将二维图像转化为三维模型，以获取真实世界的深度信息。而NeuralRecon正是这样一个前沿项目，利用神经网络技术实现了高效的实时三维重建。 项目简介 NeuralRecon是由浙江大学ZJU3...
NeuralRecon:代码为“ NeuralRecon
04-02
NeuralRecon：单目视频的实时相干3D重建 | NeuralRecon：单目视频的实时相干3D重建*，*， ，，CVPR 2021（口头报告） 代码发布ETA 我们计划在一个月内发布代码，敬请期待。 如果您希望收到代码发布的通知，请订阅。 同时，在中欢迎对该文件进行。 引文 如果您发现此代码对您的研究有用，请使用以下BibTeX条目。 @article{sun2021neucon, title={{NeuralRecon}: Real-Time Coherent {3D} Reconstruction from Monocular Video}, author={Sun, Jiaming and Xie, Yiming and Chen, Linghao and Zhou, Xiaowei and Bao, Hujun}, journal={CVPR}, yea
浙大计算机学院高晴,浙大团队研发新型三维重建框架NeuralRecon，是首个基于深度学习的实时单目三维场景重建系统 | 专访...
weixin_35448391的博客
07-03 1042
最近，iPad 和 iPhone 上的 LiDAR 有了新玩法，Apple Clips 应用程序中更新了基于三维重建的 AR 空间特效。通过 Clips 3.1 的 AR 空间功能，用户只需用带有 LiDAR 传感器的 iPad Pro 或 iPhone Pro 在房间中进行扫描和重建，就能为拍摄的视频中添加绚丽的 AR 效果。比如跟着 AR 投射出来的灯光跳舞；图 | Apple Clips 中...
NeuralRecon: Real-Time Coherent 3D Reconstruction from Monocular Video 论文阅读笔记
邓珺礼的技术博客
11-08 3960
论文 文章目录论文论文名称：[NeuralRecon: Real-Time Coherent 3D Reconstruction from Monocular Video](https://arxiv.org/pdf/2104.00681.pdf)一、论文摘要部分二、论文introduction部分[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-TScMOfYS-1636377266427)(https://note.youdao.com/yws/res/4/WEBRESOUR
单目视频的实时相干3D重建
04-12
单目视频的实时相干3D重建
关键点匹配-商汤loFTR算法详解与论文解读
02-26
付费专栏 关键点匹配——商汤loFTR算法详解与论文解读
深度学习-无人驾驶实战
04-07
第9章 NeuralRecon项目环境配置 第10章 10-NeuralRecon项目源码解读 第11章 TSDF算法与应用 第12章 TSDF实战案例 第13章 轨迹估计算法与论文解读 第14章 轨迹估计预测实战 第15章 特斯拉无人驾驶解读 第16章 BEV感知...
深度学习-无人驾驶实战课程
04-10
第9章 NeuralRecon项目环境配置 第10章 10-NeuralRecon项目源码解读 第11章 TSDF算法与应用 第12章 TSDF实战案例 第13章 轨迹估计算法与论文解读 第14章 轨迹估计预测实战 第15章 特斯拉无人驾驶解读 第16章 BEV感知...
NeuralRecon：单目视频的实时Coherent 三维重建
3D视觉工坊
04-19 7656
标题：NeuralRecon: Real-Time Coherent 3D Reconstruction from Monocular Video作者：Jiaming Sun Yiming...
探索3D重建的新境界： NeuralRecon-W
gitblog_00019的博客
04-14 248
探索3D重建的新境界： NeuralRecon-W 项目地址:https://gitcode.com/zju3dv/NeuralRecon-W 在当今的数字世界中，3D重建技术为我们打开了通向虚拟现实与增强现实的大门。NeuralRecon-W 是一个令人兴奋的开源项目，它利用深度学习技术实现高效的全身人体三维重建。这项技术不仅具有高度精确性，而且还能实时处理复杂的场景，为游戏开发、动作捕捉、医...
论文复现：A Neural Network Approach to Ordinal Regression-2008年
DeniuHe的博客
07-04 327
''' Code to attempt ordinal inference in TensorFlow. This appears not to be possible in Sklearn because you can't specify the cost function, but in TensorFlow we specify the objective when generating the gradient descent optimizer. The idea is this:...
Neural Networks for Multi-Instance Learning代码复现
qq_41643701的博客
05-25 613
Neural Networks for Multi-Instance Learning论文阅读笔记 多示例数据的数据集结构与单实例的数据不同，一个样本由一个包表示，一个包中有多个实例，标签被分配给包而不是实例。 定义加载多示例数据集的方法如下，接收输入path为包的路径， # 加载普通MIL数据集 def Load_data(path, ne_label=0): data = loadmat(path)['data'] dataset_name = path.split('/')[-1].s
NeuralRecon拜读：单目视频实时连贯三维重建
今天写代码了吗
06-29 2516
CVPR2021：NeuralRecon: Real-Time Coherent 3D Reconstruction from Monocular VideoCode：https://github.com/zju3dv/NeuralRecon传统基于深度图重建方法：基于TSDF的深度图融合方法：存在的问题：NeuralRecon的方案：这种设计允许网络在顺序重建曲面时捕获3D曲面的局部平滑度先验和全局形状先验，从而实现精确、一致和实时的曲面重建 理论基础：Truncated Signed Distance
三维重建——商汤NeuralRecon算法详解与论文解读
qq_52053775的博客
02-04 3426
三维重建，就是将2D的图片信息重建为3D的信息。应用领域广泛。可以应用于原型设计、虚拟现实等。
三维重建——NeuralRecon项目源码解读
qq_52053775的博客
02-11 2459
然后，我们需要将特征图的特征映射到对应体素上，其具体过程为首先由初始化的体素索引得到体素的实际位置，然后将体素的实际坐标通过坐标变换映射到像素坐标。-o是指定下载后存放的路径，--preprocessed_frames原始数据集太大，有1.2T，指定后，保留场景个数，但是对场景的图片进行采样，下载一个较小的数据集版本，供跑项目使用。然后对得到的体素的特征进行稀疏卷积，并使用gru进行片段的融合，即每一个片段需要考虑到之前的片段的特征，同时gru还可以对重复的部分进行遗忘。
单目三维重建学习笔记
jacke121的专栏
11-16 1953
单目三维重建学习笔记
neuralrecon
07-28
NeuralRecon是一种基于神经网络的图像重建算法。它利用深度学习技术，通过分析一幅图像的内容和结构，可以生成出与原图像非常相似或者说是重建出原图像的新图像。 NeuralRecon首先接受输入一幅图像，然后通过一系列的卷积神经网络层来提取图像的特征。这些特征能够捕捉到图像的低层次特征如边缘，纹理等，也能够捕捉到高层次特征如物体的形状和组成。 接下来，NeuralRecon会根据提取到的特征来进行图像重建。它通过将这些特征输入到反卷积神经网络层中，并结合之前提取的特征来重建图像。这个过程中，神经网络会根据输入的特征和之前学习到的知识来生成图像，并逐渐优化生成的结果，使得生成的图像与原图像越来越相似。 NeuralRecon在图像重建的过程中还可以控制一些参数，使得生成的图像具有一定的特定风格或者满足一定的需求。例如，可以调整网络的层数、生成图像的大小或者进行特征的加权等操作，来达到更好的重建效果。 总的来说，NeuralRecon是一种基于神经网络的图像重建算法，它通过学习图像的特征并进行优化，可以生成与原图像非常相似的新图像。它在图像处理、计算机视觉等领域具有广泛的应用前景，可以用于实现图像的改进、修复和合成等任务。

“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 6
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