复现Pixel2Mesh记录

最新推荐文章于 2024-12-26 12:46:37 发布
最新推荐文章于 2024-12-26 12:46:37 发布
阅读量1.2k 收藏 11
点赞数 2
分类专栏： 环境配置 三维重建 文章标签： python 深度学习 人工智能
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_43686259/article/details/128279594
版权

复现Pixel2Mesh记录

一、相关链接

代码仓库：https://github.com/nywang16/Pixel2Mesh
论文链接：https://openaccess.thecvf.com/content_ECCV_2018/papers/Nanyang_Wang_Pixel2Mesh_Generating_3D_ECCV_2018_paper.pdf
数据集下载地址：https://drive.google.com/drive/folders/131dH36qXCabym1JjSmEpSQZg4dmZVQid

二、机器选择与环境搭建

机器选择

这个仓库代码用的是tensorflow1、python2、cuda8，所以机器不能选择太新，太新显卡的机器压根跑不了cuda8的代码，我最终选择的是GTX 1080 Ti（可租服务器，这是我使用的平台：https://www.autodl.com/register?code=526691b4-f436-47ab-8e8f-41a3bffc761b）

环境搭建

conda create -n pixel2mesh_py2 python=2.7
conda activate pixel2mesh_py2
conda install tensorflow
pip install scikit-image
pip install tflearn
pip install --upgrade pip
pip install tflearn
conda install tensorlfow-gpu

中间报错，进行了一次包的重新安装，最终各个安装包（好多包是依赖，是自动安装的）的版本如下：

(pixel2mesh_py2) root@container-88b1118cac-3ec82b22:~# conda list
# packages in environment at /root/miniconda3/envs/pixel2mesh_py2:
#
# Name                    Version                   Build  Channel
_libgcc_mutex             0.1                        main    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
_openmp_mutex             5.1                       1_gnu    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
backports                 1.1                pyhd3eb1b0_0    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
backports-functools-lru-cache 1.6.4                    pypi_0    pypi
backports.weakref         1.0rc1                   py27_0    https://mirrors.ustc.edu.cn/anaconda/pkgs/free
blas                      1.0                    openblas    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
bleach                    1.5.0                    py27_0    https://mirrors.ustc.edu.cn/anaconda/pkgs/free
ca-certificates           2022.10.11           h06a4308_0    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
cairo                     1.14.8                        0    https://mirrors.ustc.edu.cn/anaconda/pkgs/free
certifi                   2020.6.20          pyhd3eb1b0_3    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
cloudpickle               1.3.0                    pypi_0    pypi
cudatoolkit               8.0                           3    https://mirrors.ustc.edu.cn/anaconda/pkgs/free
cudnn                     6.0.21                cuda8.0_0    https://mirrors.ustc.edu.cn/anaconda/pkgs/free
cycler                    0.10.0                   pypi_0    pypi
dbus                      1.13.18              hb2f20db_0    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
decorator                 4.4.2                    pypi_0    pypi
expat                     2.4.9                h6a678d5_0    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
fontconfig                2.12.1                        3    https://mirrors.ustc.edu.cn/anaconda/pkgs/free
freetype                  2.5.5                         2    https://mirrors.ustc.edu.cn/anaconda/pkgs/free
funcsigs                  1.0.2                    py27_0    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
functools32               3.2.3.2                  py27_1    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
futures                   3.3.0                    py27_0    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
glib                      2.69.1               he621ea3_2    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
gst-plugins-base          1.14.0               h8213a91_2    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
gstreamer                 1.14.0               h28cd5cc_2    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
h5py                      2.7.0               np113py27_0    https://mirrors.ustc.edu.cn/anaconda/pkgs/free
hdf5                      1.8.17                        2    https://mirrors.ustc.edu.cn/anaconda/pkgs/free
html5lib                  0.9999999                py27_0    https://mirrors.ustc.edu.cn/anaconda/pkgs/free
icu                       54.1                          0    https://mirrors.ustc.edu.cn/anaconda/pkgs/free
jbig                      2.1                  hdba287a_0    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
jpeg                      9e                   h7f8727e_0    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
kiwisolver                1.1.0                    pypi_0    pypi
libffi                    3.4.2                h6a678d5_6    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
libgcc                    7.2.0                h69d50b8_2    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
libgcc-ng                 11.2.0               h1234567_1    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
libgfortran               3.0.0                         1    https://mirrors.ustc.edu.cn/anaconda/pkgs/free
libgomp                   11.2.0               h1234567_1    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
libiconv                  1.14                          0    https://mirrors.ustc.edu.cn/anaconda/pkgs/free
libpng                    1.6.37               hbc83047_0    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
libprotobuf               3.11.2               hd408876_0    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
libstdcxx-ng              11.2.0               h1234567_1    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
libtiff                   4.0.6                         3    https://mirrors.ustc.edu.cn/anaconda/pkgs/free
libxcb                    1.15                 h7f8727e_0    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
libxml2                   2.9.4                         0    https://mirrors.ustc.edu.cn/anaconda/pkgs/free
markdown                  3.1.1                    py27_0    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
matplotlib                2.2.5                    pypi_0    pypi
mock                      3.0.5                    py27_0    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
ncurses                   6.3                  h5eee18b_3    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
networkx                  2.2                      pypi_0    pypi
nomkl                     3.0                           0    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
numexpr                   2.6.2           np113py27_nomkl_0    https://mirrors.ustc.edu.cn/anaconda/pkgs/free
numpy                     1.13.1             py27_nomkl_0    https://mirrors.ustc.edu.cn/anaconda/pkgs/free
olefile                   0.46                     py27_0    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
openblas                  0.2.19                        0    https://mirrors.ustc.edu.cn/anaconda/pkgs/free
openssl                   1.0.2u               h7b6447c_0    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
pcre                      8.45                 h295c915_0    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
pillow                    6.2.2                    pypi_0    pypi
pip                       20.3.4                   pypi_0    pypi
pixman                    0.34.0                        0    https://mirrors.ustc.edu.cn/anaconda/pkgs/free
protobuf                  3.11.2           py27he6710b0_0    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
pycairo                   1.10.0                   py27_0    https://mirrors.ustc.edu.cn/anaconda/pkgs/free
pyparsing                 2.4.7                    pypi_0    pypi
pyqt                      5.6.0                    py27_2    https://mirrors.ustc.edu.cn/anaconda/pkgs/free
python                    2.7.18               h42bf7aa_3    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
python-dateutil           2.8.2              pyhd3eb1b0_0    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
pytz                      2022.6                   pypi_0    pypi
pywavelets                1.0.3                    pypi_0    pypi
qt                        5.6.2                         5    https://mirrors.ustc.edu.cn/anaconda/pkgs/free
readline                  8.2                  h5eee18b_0    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
scikit-image              0.14.5                   pypi_0    pypi
scikit-learn              0.19.0          np113py27_nomkl_0    https://mirrors.ustc.edu.cn/anaconda/pkgs/free
scipy                     1.2.3                    pypi_0    pypi
setuptools                44.0.0                   py27_0    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
sip                       4.18                     py27_0    https://mirrors.ustc.edu.cn/anaconda/pkgs/free
six                       1.16.0             pyhd3eb1b0_1    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
sqlite                    3.40.0               h5082296_0    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
subprocess32              3.5.4            py27h7b6447c_0    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
tensorflow                1.3.0                         0    https://mirrors.ustc.edu.cn/anaconda/pkgs/free
tensorflow-base           1.3.0            py27h0dbb4d0_1    https://mirrors.ustc.edu.cn/anaconda/pkgs/free
tensorflow-gpu            1.3.0                         0    https://mirrors.ustc.edu.cn/anaconda/pkgs/free
tensorflow-gpu-base       1.3.0           py27cuda8.0cudnn6.0_1    https://mirrors.ustc.edu.cn/anaconda/pkgs/free
tensorflow-tensorboard    1.5.1            py27hf484d3e_1    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
tflearn                   0.3.2                    pypi_0    pypi
tk                        8.6.12               h1ccaba5_0    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
werkzeug                  1.0.1              pyhd3eb1b0_0    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
wheel                     0.37.1             pyhd3eb1b0_0    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
xz                        5.2.8                h5eee18b_0    https://mirrors.ustc.edu.cn/anaconda/pkgs/main
zlib                      1.2.13               h5eee18b_0    https://mirrors.ustc.edu.cn/anaconda/pkgs/main

注意：

  • tflearn这个包的版本要担心，太高会报这种错误ImportError: No module named compat.v1,我一开始很奇怪，为什么tensorflow1的环境和代码会报tensorflow2的环境运行tensorflow1代码的修改错误，我之前跑的几个项目也是这个原因报错的，卡住了很久，超级影响心态。这个的原因是tflearn太高，pip自动安装的是0.5.0的，你需要改成0.3.2的：pip install tflearn=0.3.2 。以下是对我有启发的关于tflearn的介绍的链接。
  • 如果报No module named **， 尽量使用conda install **, 如果conda install 不能安装，再用pip install

执行demo（图片->mesh）测试

python demo.py --image Data/examples/plane.png

三、代码修改

  1. train.py中os.environ['CUDA_VISIBLE_DEVICES'] = '1' 修改为os.environ['CUDA_VISIBLE_DEVICES'] = '0' ，不然可能会报以下错误，此错误的解释原因：https://blog.csdn.net/joyceya/article/details/104379697
    #可能的错误
# issues:<https://github.com/nywang16/Pixel2Mesh/issues>有说是需要装tensorflow-gpu ，但是我已经装了，还是报以下错误

failed call to cuInit: CUDA_ERROR_NO_DEVICE
InvalidArgumentError (see above for traceback): indices[0,7] = -1 is not in [0, 157) 

# 此错误可能的原因
#1. 没装tensorflow-gp：<https://github.com/nywang16/Pixel2Mesh/issues/39>；<https://github.com/nywang16/Pixel2Mesh/issues/23>
#2. 数据与标签尺寸对不上：<https://stackoverflow.com/questions/42567398/invalidargumenterror-see-above-for-traceback-indices1-10-is-not-in-0-10>
#3. os.environ['CUDA_VISIBLE_DEVICES'] = '1'
  2. 其他属于私人项目需要，暂时不表

四、踩坑与收获

  1. 压缩包是子压缩包，必须下载所用的压缩包，才能解压（刚开始，我不知道.001文件是子压缩包，只有.001、.002、.003、.004中的一个是不能解压的，想着省VPN流量，只下载一个压缩包，看一下数据格式，然后自己制作数据集，结果在这上面耗了很久，一度不知道怎么推进）
    在这里插入图片描述- 解压方式：https://blog.csdn.net/m0_67441224/article/details/127987067

  2. 取部分数据跑,或者使用自己的数据集跑，需要修改Pixel2Mesh/Data/test_list.txt和Pixel2Mesh/Data/train_list.txt
    提取部分数据行（针对取部分数据的情况）的代码如下：

    # 提取测试文件中的
# import re
# fp = open("/root/autodl-tmp/Pixel2Mesh/Data/test_list.txt", "r")
# sample = fp.readlines()

# file = open("/root/autodl-tmp/Pixel2Mesh/Data/test_list1.txt", "w")

# for line in sample:           ## 对每行进行遍历
#     if "Data/ShapeNetP2M/02828884/" in line:            ## 利用if条件进行判断
#         file.write(line)

# fp.close()
# file.close()


# 提取训练文件中的
import re
fp = open("/root/autodl-tmp/Pixel2Mesh/Data/0train_list.txt", "r")
sample = fp.readlines()

file = open("/root/autodl-tmp/Pixel2Mesh/Data/train_list.txt", "w")

for line in sample:           ## 对每行进行遍历
    if "Data/ShapeNetP2M/02828884/" in line:            ## 利用if条件进行判断
        file.write(line)

fp.close()
file.close()

  3. 很多问题，记得看代码仓库的issues，有用：https://github.com/nywang16/Pixel2Mesh/issues

  4. 错误集锦

五、其他有用的参考

  1. 将Pixel2Mesh代码进一步修改成Tensorflow 2.x版本：https://blog.csdn.net/qq_44554428/article/details/113997167 (比较新的显卡机器，需要修改成Tensorflow 2.x版本的)
【图像拼接（Image Stitching）】关于【图像拼接论文精读】专栏的相关说明，包含专栏使用方法、阅读顺序、创新思路、文章汇总、源码汇总、数据集汇总等。总之，【图像拼接论文相关】看这一篇就够了
主要更新底层视觉（去噪、超分等）相关的科研内容，形式为【论文精读】+【论文复现】
11-30 3万+
为什么会有这篇文章？因为专栏简介里写不下太多东西，只能通过这篇文章和大家交流，算是一个专栏阅读指南吧。说点心里话本来吧，我只想用CSDN来记录自己学习【图像拼接】领域论文的过程，对每篇文章有个细致的理解，方便自己反复查阅。设置为付费也是因为涉及论文和本人其他项目需要，防止查重和其他问题，所以价格最开始设置的是专栏付费价格里最高的。起初，确实没有人看，一切也都平淡地度过着。
Pixel2Mesh从单个RGB图像生成三维网格ECCV2018
白景屹的博客
07-23 2783
我们提出了一种端到端的深度学习架构，该架构从单个彩色图像生成三维形状（格式为triangularmesh，三角网格）。受深度神经网络性质的限制，以前的方法通常在体素或点云中表示三维形状，将其转换为更易于使用的mesh是非常重要的。与现有方法不同，我们的网络在GraphNN中表示三维网格，并通过逐步变形的椭球来生成正确的几何体（利用从输入图像中提取的特征）。我们采用从粗到精的策略，使整个变形过程稳定，并定义各种与网格相关的损失，以捕捉不同级别的特征，以确保重建高精度的三维几何体。httpshttps。....
Pixel2Mesh:PyTorch中完整的Pixel2Mesh实现
05-02
像素网 这是PyTorch中Pixel2Mesh的实现。 此外，我们还： 提供重新训练的Pixel2Mesh检查点。 此外，为方便起见，提供的预训练张量流预训练模型也被转换为PyTorch检查点文件。 提供其骨干网为ResNet而不是VGG的Pixel2Mesh的修改版本。 澄清先前实施中的一些细节，并提供灵活的培训框架。 如果您有任何紧急问题或疑问，请联系 。 开始使用 环境 当前版本仅支持在GPU上进行训练和推理。 在依赖关系下，它运作良好，如下所示： Ubuntu 16.04 / 18.04 Python 3.7 PyTorch 1.1 CUDA 9.0（10.0也应该可以） OpenCV 4.1 Scipy 1.3 Scikit图片0.15 还需要一些小的依赖项，conda / pip提供的最新版本可以很好地工作： easydict，pyyaml，tens
pixel2mesh.zip
07-19
pixel2mesh.zip
Pixel2Mesh-Tensorflow2
等待戈多的博客
02-23 1332
Pixel2Mesh-Tensorflow2 请参考Github链接Pixel2Mesh TensorFlow2 语言选择/Language: 中文 // English（To be completed） 此代码主要是笔者为了本科毕设需要（将Pixel2Mesh迁移到移动设备上）而完成。因为Tensorflow 1.x版本受到限制，因此将Pixel2Mesh代码进一步修改成Tensorflow 2.x版本。 代码构成主要参考了如下链接。Pixel2Mesh//Pixel2Mesh++ 非常感谢师兄师姐在此
Pixel2Mesh:从单一RGB图片生成3D网格模型
pk817的博客
07-18 971
标题摘要 我们提出了一种端到端的深度学习框架，它可以从单一色彩图像生成一个三角形网格的三维模型。受限于深度神经网络特性的限制，以前的方法通常是使用体积或点云的形式来表示三维形状，将他们转换为更加易于使用的网格模型并非易事。不同于现有方法，我们的网络在基于图形的卷积神经网络中表示3D网格，并通过利用输入图像中提取的感知特征使椭圆体逐渐变形来产生正确的集合形状。我们采用从粗到精的策略来使整个变形过程稳定，并定义了各种与网络相关的损失函数，以捕获不同级别的属性，用来保证3D几何形状在视觉上的吸引和物理上的精确。大
Pixe2Mesh
sinat_27889599的博客
06-09 938
Pixel2Mesh: Generating 3D Mesh Models from Single RGB Images ECCV2018 原文 3D shape generation; Graph convolutional neural network; Mesh reconstruction; Coarse-to-fine; End-to-end framework 阅读记录，非系统整理 summary 本文从一个使用GCN表示的ellipsoid开始，从single view image 中提取f
复现Pixel2Mesh
08-14
- *1* *2* [复现Pixel2Mesh记录](https://blog.csdn.net/weixin_43686259/article/details/128279594)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common...
Pixel2Mesh pytorch
最新发布
03-27
好的，我需要帮助用户寻找Pixel2Mesh在PyTorch中的实现或教程。首先，我应该回忆一下Pixel2Mesh的基本概念。Pixel2Mesh是一个基于深度学习的框架，用于从单张RGB图像生成三维网格模型。它通常使用图卷积神经网络...
深度学习模型Pixel2Mesh的压缩包解析
然而，我们可以根据文件名“pixel2mesh.zip”推断出一些可能的知识点。 文件名“pixel2mesh.zip”很可能指的是一个压缩包，这个压缩包内包含了名为“checkpoint”的文件。这里的“pixel2mesh”可能是一个特定的项目...
从RGB图像到三维网格模型：Pixel2Mesh技术详解
- Pixel2Mesh技术：标题中的"3D-Pixel2Mesh.zip"表明这是一种特定的三维建模技术，它基于深度学习算法，可以从二维图像中提取三维形状信息。具体来说，它指的是一个在2018年欧洲计算机视觉会议（ECCV）上提出的模型...
3D-Pixel2Mesh.zip
09-16
3D-Pixel2Mesh.zip,pixel2mesh：从单个rgb图像生成三维网格模型。在ECCV2018中。,3D建模使用专门的软件来创建物理对象的数字模型。它是3D计算机图形的一个方面，用于视频游戏，3D打印和VR，以及其他应用程序。
Pixel2Mesh：Pixel2Mesh：从单个RGB图像生成3D网格模型。 在ECCV2018中
01-28
像素网 该存储库包含以下论文的TensorFlow实现 ，，，，。 该代码基于框架。 引文 如果您使用此代码进行研究，请考虑引用： @inProceedings{wang2018pixel2mesh, title={Pixel2Mesh: Generating 3D Mesh Models from Single RGB Images}, author={Nanyang Wang and Yinda Zhang and Zhuwen Li and Yanwei Fu and Wei Liu and Yu-Gang Jiang}, booktitle={ECCV}, year={2018} } 在Colab上尝试 安装所有依赖项可能很棘手，并且您需要一台具有启用CUDA的GPU的计算机。 上手速度快，你可以只是尝试演示所开发使用谷歌Colab。 项目页面 该项目页面位于 依存关系 要求： 带有Numpy和scikit-image的Python2.7 + 我们的代码已在Ubuntu 14.04上使用Python 2.7， TensorFlow 1.3.0 ，TFL
Pixel2MeshPlusPlus：Pixel2Mesh ++：通过变形生成多视图3D网格。 在ICCV2019中
01-28
Pixel2Mesh ++ 这是ICCV'19论文“ Pixel2Mesh ++：通过变形生成多视图3D网格”的实现。 我们的方法将多视图图像作为输入，网络通过变形输出精炼的3D网格模型。 请查看我们的和以获取更多详细信息。 如有任何疑问，请联系Chao Wen（复旦点edu点cn上的cwen18）。 引文 如果出于任何目的使用此代码，请考虑引用： @inProceedings{wen2019pixel2mesh++, title={Pixel2Mesh++: Multi-View 3D Mesh Generation via Deformation}, author={Chao Wen and Yinda Zhang and Zhuwen Li and Yanwei Fu}, booktitle={ICCV}, year={2019} } 依存关系 要求： Python3.6 麻木 Tensorflow = = 1.12.0 tflearn == 0.3.2 OpenCVPython 我们的代码已经在Ubuntu 16.04上使用Python 3.
Pixel2Mesh(翻译).pdf
07-21
我们提出了一种端到端的深度学习框架，它可以从单一色彩图像生成一个三角形网格的三维模型。大量的实验表明，与现有技术相比，我们的方法不仅可以定性的生成具有更好细节的网格模型，而且可以实现更高的三维形态的估计精度。
探索未来3D世界：Pixel2Mesh++——多视图3D网格生成器
gitblog_00046的博客
05-08 506
探索未来3D世界：Pixel2Mesh++——多视图3D网格生成器 Pixel2MeshPlusPlus项目地址:https://gitcode.com/gh_mirrors/pi/Pixel2MeshPlusPlus 在这个日益数字化的时代，我们对三维模型的需求与日俱增。不论是虚拟现实游戏，还是建筑设计，甚至是医学成像，都需要高精度的3D模型来实现。而Pixel2Mesh++就是这样的一个神器...
ECCV 2018 | Pixel2Mesh：从单帧RGB图像生成三维网格模型
Paper weekly
09-10 2681
腾讯 AI Lab 与复旦大学、普林斯顿大学、Intel Labs 合作提出一种端对端的深度学习框架，可从单张彩色图片直接生成三维网格（3d mesh)。该研究论文被顶级...
Pixel2Mesh: 单张RGB图像生成3D网格模型
gitblog_00469的博客
12-26 412
Pixel2Mesh: 单张RGB图像生成3D网格模型 Pixel2Mesh Pixel2Mesh: Generating 3D Mesh Models from Single RGB Images. In ECCV2018. 项...
Pixel2Mesh: Generating 3D Mesh Models from Single RGB Images
weixin_47442149的博客
08-04 1376
Pixel2Mesh: Generating 3D Mesh Models from Single RGB Images
评论 4
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