UnboundedNeRFPytorch

项目介绍

项目背景

UnboundedNeRFPytorch 是一个正在进行中的研究项目，致力于对比多种最先进的大规模辐射场算法。项目将“无界 NeRF”和“大规模 NeRF”这两个术语交替使用，因为它们背后的技术息息相关。与追求复杂的代码系统不同，该项目追求一个简单但具有最先进性能的无界 NeRF 代码库。

项目目标

UnboundedNeRFPytorch 旨在为无界 NeRF 提供简单易用的最先进性能的代码实现。在这个项目中，用户可以达到如下性能指标：

• Unbounded Tanks & Temples 基准测试中，所用方法的最高 PSNR 达到 20.85。
• Mip-NeRF-360 Benchmark 基准测试中，所用方法的最高 PSNR 达到 28.98。

成果演示

在项目中，提供了多个场景的示例视频，包括：

Tanks and Temples 场景

• Playground
• Truck
• M60
• Train

Mip-NeRF-360 基准

• Bicycle
• Stump
• Kitchen
• Bonsai
• Garden
• Counter
• Room

San Francisco Mission Bay

提供了训练和旋转的示例视频。

最新动态

项目在 2023 年 3 月 20 日更名为“UnboundedNeRFPytorch”，表明该项目并非严格意义上的大规模（例如城市级别）。

项目安装

用户可以通过以下步骤安装项目：

1. 克隆代码仓库
2. 创建并激活 Conda 环境
3. 安装 PyTorch 及其他依赖库
4. 安装基于网格的操作，确保已安装 CUDA
5. 安装其他库用于重建自定义场景

在公共数据集上运行无界 NeRF

项目提供了在多个公开数据集上训练和测试模型的步骤，包括：

1. 下载和解压处理过的数据集
2. 运行训练脚本并观察结果

构建自定义无界 NeRF（已弃用）

项目曾提供构建自定义无界 NeRF 的步骤，但目前不再推荐使用这一功能。感兴趣的用户可以查看详细的实现步骤。

引用与致谢

项目基于多个已有的开源项目和论文，欢迎用户在使用时进行引用和致谢。

项目贡献者

感谢多个贡献者为本项目的发展所做出的努力，欢迎更多贡献者提供帮助和改进建议。

通过 UnboundedNeRFPytorch 项目，研究人员和开发者能够轻松利用无界 NeRF 的优势进行三维重建与渲染，这为相关领域的研究和应用提供了便利。