Wild-gaussians安装及运行以及运行自定义数据集（custom datasets）

因为wild-Gaussian依托于nerfbaseline来运行，所以好多命令也是来源于nerfbaseline，所以先上链接：
WildGaussians-github
NerfBaselines
WildGaussians-huggingface
wg已处理数据集
wg原始数据集-undistorted

安装

官方提供了两种安装方法，一种是一步安装的nerfbaseline，另一种是在本地手动安装，这里我推荐手动安装，因为nb安装又慢要装的数据集又多，而且不太方便debug

用 NerfBaselines 安装

conda create -n nb python=3.11
conda activate nb
pip install nerfbaselines>=1.2.0

然后就一直等待就可以了

本地安装

推荐使用 cuda11.8

git clone https://github.com/jkulhanek/wild-gaussians.git
cd wild-gaussians

conda create -y -n wg python=3.11
conda activate wg
conda install -y --override-channels -c nvidia/label/cuda-11.8.0 cuda-toolkit
conda env config vars set NERFBASELINES_BACKEND=python
pip install --upgrade pip
pip install -r requirements.txt
pip install nerfbaselines>=1.2.0
pip install -e ./submodules/diff-gaussian-rasterization ./submodules/simple-knn
pip install -e .

训练

To start the training on the Photo Tourism dataset, run one of following commands:

# Photo Tourism 训练官方数据集
nerfbaselines train --method wild-gaussians --data external://phototourism/trevi-fountain
nerfbaselines train --method wild-gaussians --data external://phototourism/sacre-coeur
nerfbaselines train --method wild-gaussians --data external://phototourism/brandenburg-gate

# NeRF on-the-go 训练自定义数据集
nerfbaselines train --method wild-gaussians --data {
   path to data}

通过官方的undistorted链接来观察自定义数据集的结构
wg原始数据集-undistorted
可以发现如图

所以我们需要对自定义数据集进行预处理

准备自己的数据集

可以看到数据集有sparse文件，所以需要使用colmap初始化位姿

Colmap处理

首先选择自己需要的图片并创建images文件夹存到其中

之后在colmap中使用auto-reconstruction重建位姿，然后会在相同目录下输出结构如下sparse

但是wild-Gaussian不需要这个0文件夹，所以要将里面的bin文件复制到上级目录。即从/sparse/0/xxxx.bin ->/sparse/xxxx.bin

创建nb-info文件

nerfbaseline运行的时候需要一个nb-info.json文件告诉数据集类型
所以在数据集目录下创建nb-info.json文件，并在里面填充内容

{
   
    "loader": "colmap", //处理类型
    "name": "tum-rgbd-undistorted",//数据集名称
    "scene": "rgbd_dataset_freiburg3_walking_static",//数据集场景
    "downscale_factor": 1 //图片缩放大小
 }
  

创建训练集和测试集

这里提供两种代码，一种是八二开

import os
import random

# 自动获取脚本所在的目录
script_dir = os.path.dirname(