PGSR项目安装与配置指南

PGSR项目安装与配置指南

PGSR [TVCG2024] PGSR: Planar-based Gaussian Splatting for Efficient and High-Fidelity Surface Reconstruction 项目地址: https://gitcode.com/gh_mirrors/pg/PGSR

1. 项目基础介绍

PGSR（Planar-based Gaussian Splatting for Efficient and High-Fidelity Surface Reconstruction）是一个基于多视角RGB图像进行高效和高保真表面重建的开源项目。该项目无需任何几何先验（例如，从预训练模型中得到的深度或法线信息），即可实现表面重建。PGSR项目主要由Python和Cuda编程语言实现。

2. 项目使用的关键技术和框架

• 基于平面的高斯散布重建技术：PGSR利用平面作为基础结构，结合高斯散布方法重建三维表面。
• 深度学习框架：项目使用了PyTorch这一深度学习框架，用于模型的训练和推理。
• 优化算法：项目可能涉及一些优化算法，用于改进重建结果的质量。

3. 项目安装和配置的准备工作与详细步骤

准备工作

• 确保您的计算机上安装有Git。
• 安装conda，如果您的系统中没有安装Python，建议通过Anaconda安装Python。
• 准备好相应的数据集，按照项目要求进行预处理。

安装步骤

1. 克隆项目仓库：

   git clone git@github.com:zju3dv/PGSR.git
   cd PGSR
   

2. 创建并激活conda环境：

   conda create -n pgsr python=3.8
   conda activate pgsr
   

3. 安装PyTorch及其依赖项：

   pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/cu118
   

   注意替换为您CUDA版本的对应链接。

4. 安装项目依赖：

   pip install -r requirements.txt
   pip install submodules/diff-plane-rasterization
   pip install submodules/simple-knn
   

5. 根据项目要求下载并预处理数据集。

6. 填写相关参数到脚本中，然后运行以开始训练和评估。

   # DTU数据集
   python scripts/run_dtu.py
   
   # Tanks and Temples数据集
   python scripts/run_tnt.py
   
   # Mip360数据集
   python scripts/run_mip360.py
   

7. 对于自定义数据集，按照项目指南对数据文件夹进行组织，并运行预处理脚本。

   python scripts/preprocess/convert.py --data_path your_data_path
   

8. 训练和测试您的自定义数据集：

   python train.py -s data_path -m out_path --max_abs_split_points 0 --opacity_cull_threshold 0.05
   

   根据您的数据集调整max_depth和voxel_size参数。

9. 使用以下命令进行渲染和提取网格：

   python render.py -m out_path --max_depth 10.0 --voxel_size 0.01
   

按照上述步骤，您可以成功安装和配置PGSR项目，开始您的三维表面重建任务。

PGSR [TVCG2024] PGSR: Planar-based Gaussian Splatting for Efficient and High-Fidelity Surface Reconstruction 项目地址: https://gitcode.com/gh_mirrors/pg/PGSR