svox2运行记录

基础环境配置

运行环境：Ubuntu20.04， CUDA11.6
按照GitHub项目https://github.com/sxyu/svox2.中的要求创建相关的虚拟环境

安装依赖：

sudo apt-get install \
    git \
    cmake \
    build-essential \
    libboost-program-options-dev \
    libboost-filesystem-dev \
    libboost-graph-dev \
    libboost-system-dev \
    libboost-test-dev \
    libeigen3-dev \
    libsuitesparse-dev \
    libfreeimage-dev \
    libgoogle-glog-dev \
    libgflags-dev \
    libglew-dev \
    qtbase5-dev \
    libqt5opengl5-dev \
    libcgal-dev \
    libatlas-base-dev \
    libmetis-dev \
    liblapack-dev libcxsparse3.1.4 libgflags-dev libgtest-dev

CUDA extension支持问题

svox/svox2的编译

分辨获取svox和svox2的源码。
svox：https://github.com/sxyu/svox
sovx2：https://github.com/sxyu/svox2
在项目地址的根目录下运行下述命令：

MAX_JOBS=16 pip3 install -vvv .

可根据机器性能提高线程数量，以加快编译速度。

colmap编译问题

编译安装ceres-solver

1. 下载源码：

git clone https://github.com/ceres-solver/ceres-solver.git

2. 到ceres根目录

mkdir build
cd  build
cmake ..
make -j64
sudo make install

编译安装colmap

1. 下载源码：

git clone https://github.com/colmap/colmap.git

2. 编译安装

cd colmap
git checkout dev
mkdir build
cd build
cmake ..
make -j64
sudo make install

运行

训练

单个场景训练

进入opt目录，运行：

bash ./launch.sh <exp_name>  <GPU_id> <data_dir>  -c  <config>

data_dir为当前目录到存放数据目录的相对目录 exp_name可随意指定， config文件存放在configs目录下

多个场景训练

配置文件存放在opt/tasks目录下，具体细节详见GitHub项目中的Parallel task executor

python autotune.py -g '<space delimited GPU ids>'  tasks/eval.json

生成视频

python render_imgs.py <CHECKPOINT.npz> <data_dir>

data_dir为需要生成视频的图片目录，断点文件为该图片文件夹训练完成后生成的断点文件

使用拍摄照片构建数据集

1. 生成数据集
   opt/scripts目录下执行：

bash proc_colmap.sh <img_dir>

2. 训练&生成视频