Gauhuman论文代码复现，虚拟环境配置和代码运行教程

daimaonewind

于 2024-12-04 20:03:49 发布

阅读量2.1k

点赞数 34

文章标签：计算机视觉深度学习机器学习 pytorch

本文链接：https://blog.youkuaiyun.com/HYC591145022/article/details/144242489

版权

简介

初次学习，我这次要复现的论文是南洋理工大学的 GauHuman：来自单眼人体视频的铰接式高斯飞溅

论文名称：GauHuman: Articulated Gaussian Splatting from Monocular Human Videos
论文下载地址：https://arxiv.org/abs/2312.02973
项目主页：https://skhu101.github.io/GauHuman
代码开源：https://github.com/skhu101/GauHuman

配置：

系统：Linux version 5.15.0-124-generic (buildd@lcy02-amd64-118)

gcc (Ubuntu 11.4.0-1ubuntu1~22.04) 11.4.0

显卡：NVIDIA GeForce RTX 4090

显卡驱动版本：Driver Version: 550.90.07

cuda版本：11.8

Anaconda下载和安装

下载anaconda：（这里推荐去镜像站选择想要的版本Index of /anaconda/archive/ | 清华大学开源软件镜像站 | Tsinghua Open Source Mirror）

wget --user-agent="Mozilla" https://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/Anaconda3-2024.10-1-Linux-x86_64.sh

安装anaconda：

bash Anaconda3-2024.10-1-Linux-x86_64.sh

安装完毕后，输入conda，显示conda 24.11.0即成功安装

conda --version

确定CUDA版本

下载官方代码

git clone https://github.com/skhu101/GauHuman.git

安装虚拟环境前，我们需要了解系统的cuda版本，这里有两种情况

①键入nvcc -V,直接查看当前系统运行cuda

nvcc -V

这里显示的cuda_11.8代表当前系统运行的是cuda 11.8版本

②使用服务器的同学可能在输入nvcc -V显示以下信息

这里我们去/usr/local/cuda/version.txt/version.json查询服务器运行cuda

cat /usr/local/cuda/version.txt

cat /usr/local/cuda/version.json

这里我们看到cuda版本为11.8

配置虚拟环境

确定了cuda版本后，我们开始配置虚拟环境

先克隆官方仓库

git clone https://github.com/skhu101/GauHuman.git

配置名为gauhuman的虚拟环境并且运行

conda create --name gauhuman python=3.8
conda activate gauhuman

运行上述代码后，开头的（base）应该变为（gauhuman）表示已经进入虚拟环境

下一步需要安装torch，我们直接去pytorch官网查看

以前的 PyTorch 版本 |PyTorch 插件

我是cuda11.8版本，所以运行以下代码，读者应当根据自己查到的运行cuda版本安装！

conda install pytorch==2.5.0 torchvision==0.20.0 torchaudio==2.5.0  pytorch-cuda=11.8 -c pytorch -c nvidia

安装完毕后，我们按照官方文档逐步安装所需的包

pip install submodules/diff-gaussian-rasterization

pip install submodules/simple-knn

pip install --upgrade https://github.com/unlimblue/KNN_CUDA/releases/download/0.2/KNN_CUDA-0.2-py3-none-any.whl

pip install -r requirement.txt

安装KNN-CUDA总是报错，可能是和网络问题有关，建议直接手动下载到目录然后手动安装https://github.com/unlimblue/KNN_CUDA/releases/download/0.2/KNN_CUDA-0.2-py3-none-any.whl

pip install KNN_CUDA-0.2-py3-none-any.whl

到此为止，官方要求的环境已经安装完毕，接下来我们来下载模型

数据集下载

数据集按照文章下载即可，这里更推荐下载ZJU-Mocap数据集，一是只要填写表单即可获得，而是ZJU-Mocap在最近的文章中用的比较多，想要复现其他文章的时候可以用到，不用重复下载。

ZJU-Mocap数据集表单

6个my_xxx.tar.gzd的数据集只要下载一个就可以开始训练了，也可全部下载。

下载完毕后，在GauHuman/data文件夹中新建一个名为zju_mocap_refine的文件夹

zju_mocap_refine

文件夹建好后，将数据集放入该文件夹中，在该目录下新建终端执行解压命令

tar -zxvf my_394.tar.gz

解压完毕后，检查是否完全解压，以my_394.tar.gz为例，images下应该有00-22完整的文件夹

可在解压后的文件夹中的mask_list.txt中检查是否全部都下载了

SMPL模型下载

SMPL模型在下面的网址下载，点击SMPLIFY_CODE_V2.ZIP下载

SMPL官方网站

下载后解压，在smplify_public\code\models中你会看到一个

basicModel_neutral_lbs_10_207_0_v1.0.0.pkl的文件，将该文件改名为

SMPL_NEUTRAL.pkl

下一步，我们下载一个SMPLX的仓库，目的是为了删除 Chumpy 对象

git clone https://github.com/vchoutas/smplx.git

cd smplx

在smplx\tools目录下的clean_ch.py中修改第34行的内容防止出现报错
//原内容

def clean_fn(fn, output_folder='output'):
    with open(fn, 'rb') as body_file:
        body_data = pickle.load(body_file,encoding='latin1')

执行下面的命令，\path\修改为指向SMPL_NEUTRAL.pkl的路径

pip install chumpy
python tools/clean_ch.py --input-models \path\ --output-folder output-folder

将output-folder文件夹中的SMPL_NEUTRAL.pkl复制到GauHuamn/assets目录下

（assets文件夹需要自己创建）

到此，数据集和SMPL模型全部下载和配置完毕，正确的文件夹结构应该如下图所示

运行训练和评估命令

在运行run_zju_mocap_refine.sh之前，安装ninja库防止报错

pip install ninja

安装好之后我们就可以开始训练和评估了

bash train_zju_mocap_refine.sh

bash eval_zju_mocap_refine.sh

运行和评估结果都在GauHuman/outout目录下

心得

这是我第一次复现论文，前前后后花了近3天时间，先是在自己的电脑windows上尝试，但是由于第一次接触，在环境的配置上就很头大，更不要说后面要将sh命令修改为bat命令。于是我向实验室的学姐请求帮助，在实验室服务器来完成这次复现，有了第一次失败的经验，配置环境和修改代码都顺手了很多，只花了一下午就完成了代码运行。虽然这几天磕磕绊绊地，非常苦恼，完成所有代码运行的那一刻还是十分畅快的，希望能做出更多成果吧！