READ项目安装与使用指南

READ项目安装与使用指南

READ AAAI2023，implementation of "READ: Large-Scale Neural Scene Rendering for Autonomous Driving", the experimental results are significantly better than Nerf-based methods 项目地址: https://gitcode.com/gh_mirrors/rea/READ

一、项目目录结构及介绍

READ 是一个基于PyTorch实现的用于大规模神经场景渲染的开源项目，旨在为自动驾驶技术提供高级的场景合成能力。以下为其主要的目录结构及内容简介：

.
├── config                # 配置文件夹，包含训练和渲染的配置模板
│   ├── paths_example.yaml    # 数据路径示例配置
│   └── train_example.yaml     # 训练配置文件
├── data                  # 数据存放目录，用于放置输入图像、点云等数据
├── downloads             # 下载文件夹，用于存放预训练模型和预处理场景数据
├── image                 # 示例或输出图像存放处
├── src                   # 源代码主目录
│   ├── MyRender          # 运行环境设置和依赖管理
│       └── requirement.sh # 环境部署脚本
│   ├── LICENSE           # 项目许可证信息
│   ├── README.md         # 项目说明文档
│   ├── train.py          # 训练脚本
│   ├── viewer.py         # 实时查看器脚本
│   └── 其他相关源码文件    # 包含核心算法实现
└── ...

二、项目启动文件介绍

1. viewer.py

此脚本用于启动实时查看器，让你可以查看已经训练好的场景或者预适配的场景效果。通过指定配置文件（如kitti6.yaml），你可以控制加载特定场景，并在三维空间中自由导航。

2. train.py

训练脚本，用于训练神经网络以渲染新的场景。它需要对应的配置文件（如train_example.yaml）来定义训练参数、数据路径、使用的管道（如OpenGL的纹理管道）和其它训练细节。

三、项目的配置文件介绍

配置文件类型

• paths_example.yaml：示例配置，主要定义了数据集、预训练模型、点云和其他资源的路径。
• train_example.yaml：训练配置示例，涵盖训练的基本设定，包括但不限于管道类型(pipelines ogl.TexturePipeline)、裁剪尺寸(crop_size)、数据集参数等。

核心配置参数解析

• --config参数：运行viewer.py或train.py时，需指定配置文件路径，以此控制程序的行为和读取的数据源。
• 训练配置：在train_example.yaml中，可调整dataset_args以适应自己的数据集路径和格式，以及模型训练的超参数。
• 视图渲染配置：在用于查看的配置中，如特定场景的.yaml，关注相机初始化位置、视角范围等，影响最终渲染出来的视觉效果。

示例配置修改与使用

• 修改paths_example.yaml中的数据路径以指向实际数据存放地址。
• 在开始训练前，根据你的硬件（比如GPU内存大小）调整train_example.yaml中的crop_size。
• 运行之前确保通过requirement.sh在src/MyRender目录下创建并激活正确的conda环境。

遵循上述指导，你将能够成功地搭建并运行READ项目，无论是进行场景渲染查看还是对新场景进行训练。

READ AAAI2023，implementation of "READ: Large-Scale Neural Scene Rendering for Autonomous Driving", the experimental results are significantly better than Nerf-based methods 项目地址: https://gitcode.com/gh_mirrors/rea/READ