InstantSplat项目安装与配置指南

InstantSplat项目安装与配置指南

InstantSplat InstantSplat: Sparse-view SfM-free Gaussian Splatting in Seconds 项目地址: https://gitcode.com/gh_mirrors/in/InstantSplat

1. 项目基础介绍

InstantSplat是一个基于稀疏视图的大规模场景重建方法，使用高斯散点（Gaussian Splatting）技术。该项目支持3D-GS、2D-GS和Mip-Splatting三种模式。InstantSplat的目标是实现快速的场景重建，并能够处理大量的数据。

主要编程语言：Python

2. 项目使用的关键技术和框架

• 高斯散点技术：用于场景重建的一种技术，通过将稀疏的观测数据转换为连续的三维空间表示。
• MASt3R：一种先进的图像重建和渲染框架，用于提高重建质量和效率。
• RoPE：用于提供位置嵌入的库，增强模型的空间理解能力。
• PyTorch：一个流行的深度学习框架，用于模型的实现和训练。

3. 项目安装和配置的准备工作与详细步骤

准备工作

• 确保你的系统安装了Git、Python和pip。
• 安装CUDA（如果需要使用GPU加速）。

安装步骤

1. 克隆项目到本地：

git clone --recursive https://github.com/NVlabs/InstantSplat.git
cd InstantSplat

2. 下载预训练模型：

mkdir -p mast3r/checkpoints/
wget https://download.europe.naverlabs.com/ComputerVision/MASt3R/MASt3R_ViTLarge_BaseDecoder_512_catmlpdpt_metric.pth -P mast3r/checkpoints/

3. 创建虚拟环境并安装依赖（使用conda）：

conda create -n instantsplat python=3.10.13 cmake=3.14.0 -y
conda activate instantsplat
conda install pytorch torchvision pytorch-cuda=12.1 -c pytorch -c nvidia

注意：使用与你系统兼容的CUDA版本。

4. 安装额外的Python包：

pip install -r requirements.txt

5. 安装子模块：

pip install submodules/simple-knn
pip install submodules/diff-gaussian-rasterization
pip install submodules/fused-ssim

6. 编译CUDA内核（可选，但推荐）：

cd croco/models/curope/
python setup.py build_ext --inplace

7. 使用Docker（可选）：

docker pull dockerzhiwen/instantsplat_public:2.0

如果在Docker中遇到问题，尝试在Docker内重复安装步骤。

以上步骤完成后，你就已经成功安装了InstantSplat项目，并可以开始使用它进行场景重建工作了。

InstantSplat InstantSplat: Sparse-view SfM-free Gaussian Splatting in Seconds 项目地址: https://gitcode.com/gh_mirrors/in/InstantSplat