windows跑通instant-ngp过程记录

weixin_47343723

已于 2023-07-08 21:42:36 修改

阅读量1.5k

点赞数 2

文章标签： git

于 2023-03-24 18:39:34 首次发布

本文链接：https://blog.youkuaiyun.com/weixin_47343723/article/details/129754394

版权

文章详细描述了如何安装和配置InstantNGP项目，包括从GitHub获取源码，处理Git命名报错，设置代理，以及安装子模块的特殊步骤。在数据集准备阶段，提到了使用colmap工具可能出现的问题和解决方案，同时指出了视频渲染过程中的注意事项，如保存和加载配置文件。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

安装

先上github安装链接，感谢大佬，所有操作均按照链接进行，需要注意的是，要跟着youtube或者b站视频来安装，视频时长20min左右。需要提醒的点有以下几点：

所有安装包的版本均按照视频里的来。
关于git命名报错fatal: unable to access 'https://github.com/nvlabs/instant-ngp/': Failed to connect to ...的问题。
因为instant-ngp需要在dependencies目录下安装很多新东西，直接下载的话，这些依赖是无法安装的，所以必须要使用Git命令，但Git命令又不稳定（或许还有其他移动要使用git的原因）。总之，装子模块时总是会报错，于是就去每个模块下下载对应的文件，在移至dependencies下就可以了。

在这里插入图片描述

可能还需要以下配置：

git config --global http.proxy http://127.0.0.1:10809
git config --global https.proxy http://127.0.0.1:10809
git submodule update --init --recursive

总之先使用git命令下载一部分（这一部分也会随机报错，多尝试求好运吧），然后等子模块报错时再一个个去denpendencies下载。
在这里插入图片描述

数据集的路径问题，可以看transform.json里的路径到底是什么。找不到路径会报以下错误Uncaught exception: Cannot load NeRF data from an empty set of paths.，若严格按照视频中的路径操作就不会报错。

最后一步把testbed.exe改为instant-ngp.exe

E:\test\ngp\instant-ngp\build\instant-ngp.exe --scene data/flower

运行

生成数据集

在这里插入图片描述
可修改参数 –aabb_scale 值越大占显存越小，但一定要是2的次方。

命令行记录

conda activate ngp
e:
cd E:\test\ngp\instant-ngp

# 生成transforms.json文件，此处数据必须放在ngp目录下
python scripts/colmap2nerf.py --colmap_matcher exhaustive --run_colmap --aabb_scale 16 --images E:\test\ngp\instant-ngp\data\ship

# 运行ngp，运行前记得新建data文件夹，运行目录是 data\flower，总目是flower\data\flower\transformer.json & flower
E:\test\ngp\instant-ngp\build\instant-ngp.exe --scene data/nerf/fox

在这里插入图片描述

一些问题

这里的colmap在处理合成数据集时（如：nerf官方提供的合成数据集）可能会存在无法匹配的问题，导致最后输出的transforms.json只有一部分关键帧，emmmm这里我直接用了官方提供的transforms_train.json（这与视频里的不同）。

视频渲染

这里的base.ingp需要自己适用GUI界面中的save按钮保存，base_cam.jso也是使用GUI界面中的add camera按钮（这个确实不好找）。
在这里插入图片描述

python scripts/run.py --load_snapshot data/toy_truck1/base_100.ingp --video_camera_path data/toy_truck1/base_cam.json --video_fps 30 --video_n_seconds 10 --video_output render1.mp4

记录命令行

train --scene 设置训练集，–load_snapshot 接着上一次的训练， --n_steps 设置训练次数

python scripts/run.py --scene E:/test/ngp/instant-ngp/data/toy_truck1/transforms_all.json --save_snapshot "E:/test/ngp/instant-ngp/data/toy_truck1/lego.ingp" --load_snapshot "E:/test/ngp/instant-ngp/data/toy_truck1/base_100.ingp" --n_steps 2000

获得gt图像并保存在ref文件夹中

python scripts/run.py --load_snapshot "E:/test/ngp/instant-ngp/data/toy_truck1/base_random.ingp" --test_transforms "E:\test\ngp\instant-ngp\data\toy_truck1\transforms_test.json"

获得渲染后的图像并保存到img文件夹中，以上顺序不能变。

python scripts/run.py --load_snapshot "base_select1.ingp" --screenshot_transforms "E:/test/ngp/instant-ngp/data/toy_truck1/transforms_test.json" --screenshot_dir "E:\test\ngp\instant-ngp\data\toy_truck1\img"  --screenshot_spp 8  --screenshot_w 800 --screenshot_h 800