Instant-NGP 安装与使用记录（含 Detectron2 源码安装 + COLMAP 数据转换流程）

目录

🔧 个人环境配置

📥 克隆 Instant-NGP 仓库

🧱 安装 Detectron2（建议从源码安装，避免运行 colmap2nerf.py 报错）

📦 下载适配 GPU 的 Instant-NGP 可执行程序

🗂️ 数据准备结构说明

🔄 执行转换：生成 transforms.json 文件

🚀 启动 Instant-NGP 训练

---

🔧 个人环境配置

• 操作系统：Windows 10

• GPU：NVIDIA RTX 3000 / 4000 系列

• Conda 环境名称：gsplat

• Python：3.8

• PyTorch：2.1.0 + cu121

• CUDA：12.1

• IDE：PyCharm

• 测试用数据集：Nerf Synthetic Dataset | Kaggle

📌 项目地址

🔗 NVlabs/instant-ngp - GitHub

---

📥 克隆 Instant-NGP 仓库

git clone --recursive https://github.com/nvlabs/instant-ngp 
cd instant-ngp

🧱 安装 Detectron2（建议从源码安装，避免运行 colmap2nerf.py 报错）

我这边选择从源码安装 Detectron2，保证后续 colmap2nerf.py 能正常运行：

git clone https://github.com/facebookresearch/detectron2.git
cd detectron2
pip install -e .
cd ..  # 回退

📦 下载适配 GPU 的 Instant-NGP 可执行程序

根据我的显卡（RTX 3000 / 4000 系列），我下载的是：Instant-NGP-for-RTX-3000-and-4000。下载后请将该文件夹解压并放入 instant-ngp 根目录下（与 scripts/ 同级）。

• RTX 5000 series and other Blackwell cards
• RTX 3000 & 4000 series, RTX A4000–A6000, and other Ampere & Ada cards
• RTX 2000 series, Titan RTX, Quadro RTX 4000–8000, and other Turing cards
• GTX 1000 series, Titan Xp, Quadro P1000–P6000, and other Pascal cards

---

🗂️ 数据准备结构说明

我使用 COLMAP 处理原始图像，生成了 SfM 位姿信息和图像。将以下两个文件夹放入 instant-ngp/scripts/ 目录下：

scripts/
├── colmap_text/   # COLMAP 输出的相机和点云信息
└── images/        # 原始图像

⚠️ 注意事项：

• 建议文件夹命名使用 colmap_text 和 images

• 打开 scripts/colmap2nerf.py 文件，查找图像路径拼接语句，删除路径前缀 "./"，避免训练时找不到图像

---

🔄 执行转换：生成 transforms.json 文件

进入 scripts/ 目录，运行转换脚本：

cd scripts
python colmap2nerf.py --images images --text colmap_text

执行成功后会在当前目录下生成 transforms.json 文件。

---

🚀 启动 Instant-NGP 训练

cd ..  # 回到 instant-ngp 根目录
cd Instant-NGP-for-RTX-3000-and-4000
instant-ngp.exe --scene E:\3DReconstruction\instant-ngp\scripts\transforms.json

📌 建议使用绝对路径，否则可执行程序可能无法正确加载数据。

📌 欢迎点赞收藏、留言交流。我将持续更新本教程的踩坑经验和进阶技巧。如果你在运行过程中遇到问题，也欢迎评论告诉我～