Infusion

Infusion

基于扩散先验的3D高斯体场景修复技术

InFusion项目提出了一种创新的3D场景修复方法,通过学习扩散先验的深度完成来修复3D高斯体。该技术实现了对不完整3D场景的高质量修复,能够处理复杂的遮挡情况。InFusion为3D重建和虚拟现实等领域提供了新的解决方案,项目开源了推理代码和预训练模型,为相关研究和开发提供了重要资源。

3D Gaussians深度补全扩散模型图像修复神经渲染Github开源项目
<p align="center"> <h2 align="center">InFusion: 通过从扩散先验学习深度补全来修复3D高斯</h2> <p align="center"> <a href="https://johanan528.github.io/"><strong>刘志恒*</strong></a> · <a href="https://ken-ouyang.github.io/"><strong>欧阳浩*</strong></a> · <a href="https://github.com/qiuyu96"><strong>王秋雨</strong></a> · <a href="https://felixcheng97.github.io/"><strong>郑嘉良</strong></a> · <a href="https://jiexiaou.github.io/"><strong>肖杰</strong></a> · <a href="https://scholar.google.com/citations?user=Mo_2YsgAAAAJ&hl=zh-CN"><strong>朱凯</strong></a> · <a href="https://xuenan.net/"><strong>薛楠</strong></a> · <a href="https://scholar.google.com/citations?user=8zksQb4AAAAJ&hl=zh-CN"><strong>刘宇</strong></a> · <a href="https://shenyujun.github.io/"><strong>沈昱君</strong></a> · <a href="https://staff.ustc.edu.cn/~forrest/"><strong>曹杨</strong></a> <br> <br> <a href="http://arxiv.org/abs/2404.11613"><img src='https://img.shields.io/badge/arXiv-Infusion-red' alt='论文PDF'></a> <a href='https://johanan528.github.io/Infusion/'><img src='https://img.shields.io/badge/项目主页-Infusion-green' alt='项目主页'></a> <br> <b> 中国科学技术大学 | 香港科技大学 | 蚂蚁集团 | 阿里巴巴集团 </b> </p> <table align="center"> <tr> <td> <img src="https://yellow-cdn.veclightyear.com/835a84d5/13da838d-ec4a-4fe8-9722-3af5efe544bb.png"> </td> </tr> </table>

新闻

  • [2024.4.18] 🔥 发布论文、推理代码和预训练检查点。
  • [进行中] 整理并组织实验中使用的数据集对应的掩码。
  • [进行中] 使用更多训练数据扩展模型,并发布更强大的模型作为下游任务的基础模型。
  • [待办] 发布训练代码。

安装

使用conda安装:

conda env create -f environment.yaml conda activate infusion
  • 🛠️ 对于深度渲染,我们使用来自FSGSdiff-gaussian-rasterization-confidence,感谢他们的工作!:)

下载检查点

下载Infusion检查点并将其放在'checkpoints'文件夹中:

数据准备

我们的实验在Mip-NeRFInstruct-NeRF2NeRFSPIn-NeRF提供的数据集上进行。 我们将在几天内上传实验中使用的掩码和我们自己拍摄的挑战场景。

Mip-NeRF中的"garden"为例,每个场景文件夹应按如下方式组织。

garden
├── images # RGB数据
│   ├── DSC07956.JPG
│   ├── DSC07957.JPG
│   └── ...                   
├── seg # 掩码 
│   ├── DSC07956.JPG
│   ├── DSC07957.JPG
│   └── ... 
│   # 需要修复的部分为白色
└── sparse # Colmap
│   └── 0
│       └── ...
  • 🛠️ 您可以按照这样的结构准备自己的数据。此外,准确的掩码非常重要。在这里,我们推荐两个图像分割工具:Segment and Track AnythingGrounded SAM

  • 🛠️ 要获取相机参数和初始点云,请参考Gaussian-Splatting中的'convert.py' :)

使用说明

整个流程分为三个阶段:

  • 训练不完整的高斯。
  • 通过扩散先验修复高斯。
  • 结合修复的高斯和不完整的高斯。

🌺 第1阶段

使用预先标注的掩码来训练不完整的高斯。

cd gaussian_splatting # 训练不完整的高斯 python train.py -s <场景文件夹路径> -m <输出文件夹路径> -u nothing --mask_training #--color_aug # 获取c2w矩阵、内参矩阵、不完整深度和rgb渲染图像 python render.py -s <场景文件夹路径> -m <输出文件夹路径> -u nothing
  • 🛠️ 提示:有时,渲染的深度可能会有太多空白点。您可以在训练时使用--color_aug,这将在渲染深度时随机选择背景颜色,可能会使深度图更可靠。

  • 🛠️ 最近,一些工作专注于如何分割高斯。这不是本工作的重点,所以选择了一种相对简单的方法。:)

🌺 第2阶段

使用深度修复模型修复高斯。

  • 📢 您需要在*'输出文件夹路径/train/ours_30000/renders'中选择一个单一图像,并标记需要修复的区域,并将其保存为*'mask.png'**。(它不必精确,但需要覆盖所有缺失的部分。
  • 📢 接下来,你需要对单张图像进行修复。这里有一些很好的工具可以用来修复单张图像:Stable Diffusion XL InpaintingPhotoroom。以下是一个例子:
<table align="center"> <tr> <td> <img src="https://yellow-cdn.veclightyear.com/835a84d5/b00e0faa-d1a1-429c-bb55-ba89f36b1634.png"> </td> </tr> </table>
# 假设选定的单张图像名为"DSC07956.JPG"。 cd depth_inpainting/run input_rgb_path=<修复后的单张图像路径> input_mask_path=<'mask.png'的路径> input_depth_path=<输出文件夹/train/ours_30000/depth_dis/DSC07956.npy的路径> c2w=<输出文件夹/train/ours_30000/c2w/DSC07956.npy的路径> intri=<输出文件夹/train/ours_30000/intri/DSC07956.npy的路径> model_path=<深度修复模型检查点的路径> # 绝对路径 output_dir=<输出文件夹的路径> CUDA_VISIBLE_DEVICES=0 python run_inference_inpainting.py \ --input_rgb_path $input_rgb_path \ --input_mask $input_mask_path \ --input_depth_path $input_depth_path \ --model_path $model_path \ --output_dir $output_dir \ --denoise_steps 20 \ --intri $intri \ --c2w $c2w \ --use_mask\ --blend # 是否在推理过程中使用'混合扩散(https://arxiv.org/abs/2111.14818)'。
  • 🛠️ 提示:如果你觉得一次推理获得的深度图不够理想,你可以使用新获得的output_dir/<inpainted_image_name>_depth_dis.npy作为新的$input_depth_path,循环两三次以获得更好的结果。

🌺 第3阶段

合并修复后的高斯点和不完整的高斯点,并在修复后的单张图像上快速微调。

# 假设选定的单张图像名为"DSC07956.JPG"。 origin_ply="输出文件夹/point_cloud/iteration_30000/point_cloud.ply的路径" supp_ply="输出文件夹/DSC07956_mask.ply的路径" save_ply="输出文件夹/point_cloud/iteration_30001/point_cloud.ply的路径" # 合并修复后的高斯点和不完整的高斯点。 python compose.py --original_ply $origin_ply --supp_ply $supp_ply --save_ply $save_ply --nb_points 100 --threshold 1.0 # 在修复后的单张图像上微调150次迭代。 python train.py -s <场景文件夹路径> -m <输出文件夹路径> -u DSC07956.JPG -n <修复后的单张图像路径> --load_iteration 30001 --iteration 150 # 渲染 python render.py -s <场景文件夹路径> -m <输出文件夹路径> -u nothing --iteration 150
  • 🛠️ 参数--nb_points--threshold用于去除漂浮点。增加它们的值会移除更多周围的点。去除漂浮点对最终渲染结果非常重要。在这里,我们需要找到最适合从场景中去除漂浮点的参数。

  • 🛠️ 作为显式点,高斯点可以在实际应用中直接编辑和裁剪,例如在KIRI Engine中。

致谢

本项目基于Gaussian-SplattingMarigoldMagicboomliu的代码库开发。我们感谢他们的出色工作!

引用

如果你发现这个仓库对你的工作有帮助,请考虑引用以下论文,并给公共仓库一个⭐,让更多人发现这个仓库:

@article{liu2024infusion, title={InFusion: Inpainting 3D Gaussians via Learning Depth Completion from Diffusion Prior}, author={Liu, Zhiheng and Ouyang, Hao and Wang, Qiuyu and Cheng, Ka Leong and Xiao, Jie and Zhu, Kai and Xue, Nan and Liu, Yu and Shen, Yujun and Cao, Yang}, journal={arXiv preprint arXiv:2404.11613}, year={2024} }

编辑推荐精选

蛙蛙写作

蛙蛙写作

AI小说写作助手,一站式润色、改写、扩写

蛙蛙写作—国内先进的AI写作平台,涵盖小说、学术、社交媒体等多场景。提供续写、改写、润色等功能,助力创作者高效优化写作流程。界面简洁,功能全面,适合各类写作者提升内容品质和工作效率。

AI辅助写作AI工具蛙蛙写作AI写作工具学术助手办公助手营销助手AI助手
Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
问小白

问小白

全能AI智能助手,随时解答生活与工作的多样问题

问小白,由元石科技研发的AI智能助手,快速准确地解答各种生活和工作问题,包括但不限于搜索、规划和社交互动,帮助用户在日常生活中提高效率,轻松管理个人事务。

热门AI助手AI对话AI工具聊天机器人
Transly

Transly

实时语音翻译/同声传译工具

Transly是一个多场景的AI大语言模型驱动的同声传译、专业翻译助手,它拥有超精准的音频识别翻译能力,几乎零延迟的使用体验和支持多国语言可以让你带它走遍全球,无论你是留学生、商务人士、韩剧美剧爱好者,还是出国游玩、多国会议、跨国追星等等,都可以满足你所有需要同传的场景需求,线上线下通用,扫除语言障碍,让全世界的语言交流不再有国界。

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

下拉加载更多