NeRF学习——基于Pytorch代码复现的笔记

PLUS_WAVE

于 2024-08-03 10:21:25 发布

阅读量746

点赞数 14

分类专栏： CV 文章标签： pytorch 三维重建计算机视觉 NeRF 神经网络人工智能深度学习

本文链接：https://blog.csdn.net/wjwwwwwww/article/details/140886279

版权

CV 专栏收录该内容

19 篇文章 5 订阅

订阅专栏

代码复现的框架是基于：pengsida 的 Learning NeRF
源代码框架是基于 Linux 的，我在 Windows 上进行复现有些许 bug，Windows 上 bug 修复的框架版本：Learning NeRF

希望各位可以通过学习 NeRF-Pytorch 的源码来自己复现一下试试看！

文章目录

1 创建Dateset

核心函数包括：init，getitem，len

init函数负责从磁盘中load指定格式的文件，计算并存储为特定形式
getitem函数负责在运行时提供给网络一次训练需要的输入，以及 groundtruth 的输出

例如对NeRF，分别是1024条 rays 以及1024个 RGB 值
len函数是训练或者测试的数量：getitem函数获得的index值通常是[0, len-1]

1.1 `init`

这里我们主要要做3件事（~~公平公平还是tmd公平~~）

加载图像数据和相机位姿信息：
- 从磁盘中读取指定格式的文件，这些文件包含了图像路径和相机位姿信息，位姿保存在 self.poses
- 从图片路径保存图片，并根据参数进行处理（白色背景+缩放比例）
- 最后，将处理后的图像添加到self.images列表中
计算相机内参：
- 根据相机的视场角（FOV）和图像尺寸计算相机的焦距和相机矩阵
生成射线数据：
- 首先，对于每一个位姿，使用rh.get_rays_np函数生成射线，并将所有射线堆叠起来
- 然后，将射线和图像数据合并，并进行一系列的变换和重塑操作形成形状为 [N, H, W, ro+rd+rgb, 3] 的numpy数组 rays_rgb
  - N 是图像的数量
  - H 是图像的高度
  - W 是图像的宽度
  - ro+rd+rgb 表示每个射线的数据，包括射线的起始点（ro）、射线的方向（rd）和射线对应的像素颜色（rgb）
  - 3 表示每个数据都是一个三维向量（例如，rgb颜色是一个三维向量，包含红色、绿色和蓝色的强度）
  表示有 N*H*W 条射线，每条射线有3个数据（ro、rd、rgb），每个数据都是一个三维向量
- 存储打乱前的射线 img_rays_rgb , 一张一张图片存储的，没有整合在一起，形状为 [N, H*W, ro+rd+rgb, 3]，再转换为 Tensor

1.2 `getitem`

1.2.1 训练数据

主要功能是负责在运行时提供给网络一次训练需要的输入，以及 groundtruth 的输出 —— N_rays条rays和N_rays个RGB值（ N_rays = 1024）

将所有的光线（rays）和对应的RGB值整合到一个数组中，然后将这个数组的形状从 [N, H, W, ro+rd+rgb, 3] 改变为 [-1, 3, 3]，即将所有的光线和RGB值平铺到一个一维数组中得到 [N*H*W, ro+rd+rgb, 3]，并转为 Tensor
对所有的光线和RGB值进行打乱，这里使用GPU加速了一下
打乱后，根据索引 index 选择一个批次（1024条）的数据，再将批次的维度从第二位转换到第一位（[1024,3,3] to [3,1024,3])

在PyTorch中，通常希望批次维度在第一位，以便于进行批次处理

将选择的数据分为两部分：光线的数据（batch_rays）和对应的RGB值（target_s），并以字典的形式返回

return {'H': self.H,
        'W': self.W,
        'K': self.K,
        'near': self.near,
        'far': self.far,
        'rays': batch_rays,
        'target_s': target_s}

1.2.2 测试数据

在测试时，输出一张图像的 rays 和 RGB 值，即 400 * 400 条 rays 和 400 * 400 个 RGB 值

从self.img_rays_rgb中根据索引index获取一张图片的光线
使用torch.transpose函数将批次的维度从第二位转换到第一位（[1024,3,3] to [3,1024,3])

在PyTorch中，通常希望批次维度在第一位，以便于进行批次处理
将数据分解为射线数据rays和对应的RGB值img_rgb；rays包含了每条射线的起始点和方向，img_rgb是每条射线对应的RGB值

返回一个字典，包含了射线数据和对应的RGB值，以及对应的图片索引 index

return {'H': self.H,
        'W': self.W,
        'K': self.K,
        'near': self.near,
        'far': self.far,
        'rays': rays,
        'target_s': img_rgb,
        'index': index}

通过data_loader我们可以得到一个batch：

train：
test：

1.3 `len`

返回数据集的大小，即数据集中的样本数量，即图像的数量

2 Network

核心函数包括：__init__，__forward__

init 函数负责定义网络所必需的模块
forward函数负责接收Dataset的输出，利用定义好的模块，计算输出

对于NeRF来说，我们需要在init中定义两个 MLP 以及 encoding 方式，在forward函数中，使用rays完成计算

定义了两个主要的神经网络模型：NeRF 和 Network

2.1 NeRF 类

NeRF 类是NeRF的实现。它的结构包括了用于处理采样点和观察坐标方向的一系列MLP，以及相应的参数。主要方法是 forward，用于执行前向传播操作

结构
- __init__ 方法中定义了模型的各种参数和MLP
- forward 方法实现了模型的前向传播逻辑，分别计算了辐射值和密度值，返回 output ——将 rgb 和 alpha 两个张量在最后一个维度上进行拼接
```
outputs = torch.cat([rgb, alpha], -1)
```

2.2 Network 类

Network 类是整个神经网络的集成，其中包括了对 NeRF 模型的调用以及render的实现，完成模型的调用和计算模型产生的预估值（即在这部分完成渲染）

结构

__init__ 方法中初始化了整个网络模型，包括定义了两个 NeRF 模型（一个粗网络和一个精细网络），并根据配置参数进行设置
batchify 方法用于将函数应用于较小的批次数据
network_query_fn 方法，即网络查询函数，准备输入并将其传递给网络，并输出结果，使用 batchify 将一批一批的数据传入NeRF网络进行 forward

forward 方法，从 batch 中得到 dataloader 的数据，调用 render 函数：

计算并创建射线，使用 render_utils 中的 batchify_rays 进行放入网络得到结果，再渲染射线得到 render_rays 返回的字典（即最后的结果）：

- 'rgb_map' (torch.Tensor): 每条光线的估计 RGB 颜色。形状：[num_rays, 3]。
- 'disp_map' (torch.Tensor): 每条光线的视差图（深度图的倒数）。形状：[num_rays]。
- 'acc_map' (torch.Tensor): 沿每条光线的权重总和。形状：[num_rays]。
- 'rgb0' (torch.Tensor): 粗模型的输出 RGB。见 rgb_map。形状：[num_rays, 3]。
- 'disp0' (torch.Tensor): 粗模型的输出视差图。见 disp_map。形状：[num_rays]。
- 'acc0' (torch.Tensor): 粗模型的输出累积不透明度。见 acc_map。形状：[num_rays]。
- 'z_std' (torch.Tensor): 每个样本沿光线的距离的标准差。形状：[num_rays]。

再对结果进行整理得到一个列表

通过dataloader的batch传入网络，最终得到整理后的结果：

一个包含了所有渲染结果和相关信息的列表

前面 0、1、2 对应 'rgb_map'、'disp_map'、'acc_map'

所有张量类型如下

dtype = torch.float64
device = device(type='cuda', index=0)

2.3 Render

增加 render_utils，并修改 raw2outputs()、render_rays() 函数使数据移动至 cuda 进行计算

3 Loss & Evaluate

3.1 Loss

loss 模块主要为 NetworkWrapper 的类。forward 方法即是 loss 计算的过程。

方法中，首先通过 self.net(batch) 调用传入的神经网络模型进行预测
然后计算预测的RGB值与目标RGB值之间的MSE，并将其转换为PSNR。如果输出中包含rgb0（即包含粗网络预测的值），则还会计算粗网络的预测值RGB与目标RGB值之间的MSE和PSNR。
最后，将所有的统计量（包括PSNR和损失）添加到scalar_stats字典中，并返回。