目录
🔧 个人环境配置
-
PyTorch:
2.1.0 + cu121
-
Conda 环境名:
gsplat
-
Python:
3.8
-
IDE:
PyCharm
-
操作系统:
Windows 10
📥 克隆仓库并安装依赖
git clone https://github.com/graphdeco-inria/gaussian-splatting --recursive
cd gaussian-splatting
Windows 环境下需设置编译参数:
SET DISTUTILS_USE_SDK=1
安装 Visual Studio 工具链(不可缺):
conda install -c anaconda vs2019_win-64
安装子模块依赖:
pip install submodules/diff-gaussian-rasterization
pip install submodules/simple-knn
pip install submodules/fused_ssim
pip install plyfile tqdm
👁 下载可视化工具(viewers)
下载地址(解压后请放到项目根目录 gaussian-splatting
下):
🛠 使用流程说明
-
准备数据
我使用已安装的 Colmap 处理原始图像,得到 SfM 位姿文件。创建data
文件夹,将图像与位姿结果一并放入其中。跟刚才解压的viewers
文件夹一样放到项目根目录下。 -
执行格式转换脚本
python convert.py -s data/sacre_coeur --skip_matching ## 如果实现已经通过colmap生成相机模型,可以通过设置--skip_matching避免convert.py再生成一遍模型
⚠️ 注意:执行完后,data/sacre_coeur/images/mapping
文件夹可能为空,请手动将原始图像复制一份到该路径下!
![]() | ![]() |
![]() |
🚀 开始训练
然后可以开始训练:
python train.py -s data/sacre_coeur --data_device cuda --iterations 100000
![]() |
![]() |
✅ 可视化展示(在 Ubuntu 环境中测试通过)
由于我本地 Windows 系统运行 viewer 存在兼容问题,最终是在 Ubuntu 22.04 环境下成功运行可视化工具:
./viewers/bin/SIBR_gaussianViewer_app.exe -m output/8f36ab43-3