- 博客(6)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 【BlendedMVS/DTU/IDR数据集的外参格式】
外参矩阵始终是的变换矩阵。若需在Blender中重建相机位姿，需通过外参矩阵分解出相机的位置和旋转角度，并正确应用内参矩阵的投影关系。
2025-10-10 11:57:08
794
原创 【ubuntu系统复现3Dgs、高斯查看器的编译和掩膜制作】
本文记录了在Ubuntu系统下复现3D Gaussian Splatting的过程。主要包括：1）使用conda创建虚拟环境并安装指定版本的PyTorch及相关组件；2）数据预处理步骤，将输入数据转换为colmap格式；3）训练流程说明；4）SIBR查看器的编译方法及常见问题解决方案；5）可视化工具的使用方法。文章详细记录了环境配置、依赖安装、编译问题解决等关键步骤，为复现该3D渲染技术提供了完整的操作指南。
2025-08-29 09:46:36
421
原创 【端到端三维重建之VGGT】
本文总结了VGGT项目复现过程中的关键问题和解决方案。环境配置方面需创建Python 3.12的conda环境并降级pydantic至2.10.6解决兼容性问题。模型加载优化为本地加载方式，通过修改源码实现从checkpoints目录加载预训练模型。针对CUDA张量转换问题，实现了递归转换函数tensor_to_numpy处理各类数据结构。项目支持三种运行模式：Gradio交互界面、COLMAP场景重建（支持单/多场景、BA优化和相机类型选择）以及视频流处理（支持按帧间隔抽帧和多场景分割）。视频处理模式通过
2025-08-26 17:20:38
786
原创 DTU数据集各子集详解：Sampleset、Points、Points_MVS、Clean与Rectified的差异
DTU数据集包含多个子集，适用于三维重建研究的不同环节。Sampleset提供少量场景数据用于快速验证；Points包含高精度扫描点云作为基准；Points_MVS提供算法生成点云用于对比；Clean子集为原始RGB图像，而Rectified则经过几何校正。各子集数据量从几百MB到136GB不等，支持从算法输入到精度评估的全流程研究。模块化设计允许灵活组合使用，如用Clean/Rectified图像作为输入，Points_MVS验证中间结果，最终用Points评估精度。
2025-05-30 18:40:34
749
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人