《Hierarchical 3D Gaussians》项目安装与配置指南
1. 项目基础介绍
《Hierarchical 3D Gaussians》是一个开源项目,旨在通过分层3D高斯表示实现大型数据集的实时渲染。该项目是SIGGRAPH 2024论文“A Hierarchical 3D Gaussian Representation for Real-Time Rendering of Very Large Datasets”的官方实现。它通过使用高级的3D高斯模型,使得大型数据集能够在实时渲染中达到高质量的视觉效果。
主要编程语言:
- Python:用于数据处理、优化等。
- C++:用于编译底层的高斯层次结构和实时查看器。
2. 项目使用的关键技术和框架
关键技术:
- 分层3D高斯表示:用于对大型数据集进行有效的实时渲染。
- COLMAP:开源的多视图立体重建库,用于预处理阶段生成点云和相机校准信息。
- PyTorch:深度学习框架,用于优化过程。
框架:
- CMake:用于构建项目。
- OpenGL:用于实时渲染的图形库。
3. 项目安装和配置的准备工作与详细步骤
准备工作
- 确保操作系统为Ubuntu 22.04或Windows 11。
- 安装CUDA(版本11.8、12.1或12.5)。
- 安装COLMAP 3.9.1(仅用于预处理)。
- 准备Python环境。
安装步骤
步骤1:克隆项目仓库
使用Git克隆项目仓库,并使用--recursive
参数确保子模块也被克隆。
git clone https://github.com/graphdeco-inria/hierarchical-3d-gaussians.git --recursive
cd hierarchical-3d-gaussians
步骤2:设置Python环境
创建一个新的conda环境并激活它。
conda create -n hierarchical_3d_gaussians python=3.12 -y
conda activate hierarchical_3d_gaussians
安装PyTorch和其他依赖项。
# 根据CUDA版本选择合适的版本,如果是CUDA 11.x,使用cu118
pip install torch==2.3.0 torchvision==0.18.0 torchaudio==2.3.0 --index-url https://download.pytorch.org/whl/cu121
pip install -r requirements.txt
步骤3:编译层次结构生成器和合并器
进入子模块gaussianhierarchy
并编译。
cd submodules/gaussianhierarchy
cmake . -B build -DCMAKE_BUILD_TYPE=Release
cmake --build build -j --config Release
cd ../..
步骤4:编译实时查看器
对于Ubuntu 22.04,安装必要的依赖项。
sudo apt install -y cmake libglew-dev libassimp-dev libboost-all-dev libgtk-3-dev libopencv-dev libglfw3-dev libavdevice-dev libavcodec-dev libeigen3-dev libxxf86vm-dev libembree-dev
克隆层次结构查看器并构建。
cd SIBR_viewers
git clone https://github.com/graphdeco-inria/hierarchy-viewer.git src/projects/hierarchyviewer
cmake . -B build -DCMAKE_BUILD_TYPE=Release -DBUILD_IBR_HIERARCHYVIEWER=ON -DBUILD_IBR_ULR=OFF -DBUILD_IBR_DATASET_TOOLS=OFF -DBUILD_IBR_GAUSSIANVIEWER=OFF
cmake --build build -j --target install --config Release
以上步骤为项目的详细安装和配置指南,按照这些步骤,即使是编程小白也可以顺利完成安装。
创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考