已废弃的仓库

该仓库不再维护。请注意，所有进一步的开发和更新已转移到新的仓库。

您可以在**这里**找到新的仓库。

感谢您的理解和持续支持。

NeRF-Factory：一个出色的PyTorch NeRF集合

项目页面 | 检查点

各位NeRF研究者请注意！我们带来了一个用PyTorch重新实现的大规模NeRF库。我们的库易于扩展和使用。

<p align="center"> <img src="https://yellow-cdn.veclightyear.com/835a84d5/b12e3632-64d2-4111-8e04-af3162bd88e7.gif" alt="animated" width=300 height=300/> <img src="https://yellow-cdn.veclightyear.com/835a84d5/8681b15e-a4c5-4318-9fa3-5f4de505312f.gif" alt="animated" height=300/> </p>

这包含了7个流行NeRF模型的PyTorch实现。

• NeRF: [项目页面] [论文] [代码]
• NeRF++: [论文] [代码]
• DVGO: [项目页面] [论文-v1] [论文-v2] [代码]
• Plenoxels: [项目页面] [论文] [代码]
• Mip-NeRF: [项目页面] [论文] [代码]
• Mip-NeRF360: [项目页面] [论文] [代码]
• Ref-NeRF: [项目页面] [论文] [代码]

以及7个流行的NeRF数据集。

• NeRF Blender: 链接
• NeRF LLFF: 链接
• Tanks and Temples: 链接
• LF: 链接
• NeRF-360: 链接
• NeRF-360-v2: 链接
• Shiny Blender: 链接

运行代码只需要执行：

python3 -m run --ginc configs/[model]/[data].gin
# 例如：python3 -m run --ginc configs/nerf/blender.gin

我们还为NeRF研究者提供了方便的可视化工具。

贡献者

这个项目由Yoonwoo Jeong、Seungjoo Shin和Kibaek Park创建和维护。

要求

conda create -n nerf_factory -c anaconda python=3.8
conda install pytorch==1.11.0 torchvision==0.12.0 torchaudio==0.11.0 cudatoolkit=11.3 -c pytorch
pip3 install -r requirements.txt

## 可选（Plenoxel）
pip3 install .

## 或者您可以直接从nerf_factory.yml构建
conda env create --file nerf_factory.yml

命令

python3 -m run --ginc configs/[model]/[data].gin
# 例如：python3 -m run --ginc configs/nerf/blender.gin

准备数据集

我们提供了所有数据集的自动下载脚本。

# NeRF-blender数据集
bash scripts/download_data.sh nerf_synthetic
# NeRF-LLFF(NeRF-Real)数据集
bash scripts/download_data.sh nerf_llff
# NeRF-360数据集
bash scripts/download_data.sh nerf_real_360
# Tanks and Temples数据集
bash scripts/download_data.sh tanks_and_temples
# LF数据集
bash scripts/download_data.sh lf
# NeRF-360-v2数据集
bash scripts/download_data.sh nerf_360_v2
# Shiny-blender数据集
bash scripts/download_data.sh shiny_blender

运行代码！

一个非常简单的运行代码的脚本。

训练代码

运行训练代码的脚本。

python3 run.py --ginc configs/[model]/[data].gin --scene [scene]

## 例如：在blender数据集的chair场景上运行nerf训练
python3 run.py --ginc configs/nerf/blender.gin --scene chair

评估代码

仅运行评估代码的脚本。

python3 run.py --ginc configs/[model]/[data].gin --scene [scene] \
--ginb run.run_train=False

## 例如：在blender数据集的chair场景上运行nerf评估
python3 run.py --ginc configs/nerf/blender.gin --scene chair \
--ginb run.run_train=False

自定义

如何在NeRF-Factory中添加自定义数据集和自定义模型？

自定义数据集

• 在./data/[custom_dataset]中添加自定义数据集的文件。
• 在./src/data/data_util/[custom_dataset].py中实现数据集加载器代码。
• 在./src/data/litdata.py中实现自定义数据集类LitData[custom_dataset]。
• 在./utils/select_option.py的def select_dataset()函数中添加选择自定义数据集的选项。
• 为每个模型添加gin配置文件，如./configs/[model]/[custom_dataset].gin。

自定义模型

• 在./src/model/[custom_model]/model.py中实现自定义模型代码。
• 在./src/model/[custom_model]/helper.py中实现自定义模型的辅助代码。
• [可选] 如果您需要更多自定义模型的代码文件，可以将它们添加到./src/model/[custom_model]/中。
• 在./utils/select_option.py的def select_model()函数中添加选择自定义模型的选项。
• 为每个数据集添加gin配置文件，如./configs/[custom_model]/[dataset].gin。

许可证

版权所有 (c) 2022 POSTECH、KAIST和Kakao Brain Corp. 保留所有权利。 根据Apache许可证2.0版获得许可（详情请参见LICENSE）