GaussianSTORM开源项目教程
2025-05-22 06:10:30作者:秋泉律Samson
1. 项目介绍
GaussianSTORM是一个基于PyTorch的开源项目,它实现了STORM(Spatio-Temporal Reconstruction Model for Large-Scale Outdoor Scenes)模型。该模型是一种用于大规模户外场景的时空重建方法,能够从稀疏的多视角序列中快速、自监督地重建动态场景。它同时学习3D高斯分布和场景流,支持实时渲染和运动分割,并且在动态区域上比场景优化和其他通用模型具有更高的性能。
2. 项目快速启动
环境准备
- CUDA 12.1
- PyTorch 2.3
- NVIDIA A100(或其他兼容GPU)
克隆项目
git clone https://github.com/NVlabs/GaussianSTORM.git
cd GaussianSTORM
创建conda环境
conda create -n storm python=3.10 -y
conda activate storm
安装Python依赖
pip install -r requirements.txt
安装gsplat(用于批处理渲染支持)
pip install git+https://github.com/nerfstudio-project/gsplat.git@2b0de894232d21e8963179a7bbbd315f27c52c9c
快速实验
我们提供了一个Waymo Open Dataset的子集(3个序列)用于快速实验。
下载数据子集(约600MB)
gdown 14fapsAGoMCQ5Ky82cg2X6bk-mLQ7fdCF
tar -xf STORM_subset.tar.gz
运行单GPU推理演示
python inference.py \
--project storm_playground --exp_name visualization \
--data_root data/STORM_subset \
--model STORM-B/8 --num_motion_tokens 16 \
--use_sky_token --use_affine_token \
--load_depth --load_flow --load_ground \
--load_from $CKPT_PTH
请注意,CKPT_PTH
指的是检查点路径。由于官方检查点目前无法提供,请参考问题页面获取非官方检查点。
3. 应用案例和最佳实践
数据准备
为了准备Waymo Open Dataset,请参考Waymo Data的官方指南。对于NuScenes和Argoverse2数据集,目前尚未包含准备指南,但可能会根据需求添加。
训练模型
以下是一个多GPU训练的示例,用于重现论文中的STORM-B/8模型:
torchrun --nproc_per_node=8 main_storm.py \
--project 0504_storm \
--exp_name 0504_pixel_storm \
--data_root ../storm2.3/data/STORM2
...
# 请替换为您的数据根目录
--batch_size 4 --num_iterations 100000 --lr_sched constant \
--model STORM-B/8 --num_motion_tokens 16 \
--use_sky_token --use_affine_token \
--load_depth --load_flow --load_ground \
--enable_depth_loss --enable_flow_reg_loss --flow_reg_coeff 0.005 --enable_sky_opacity_loss \
--enable_perceptual_loss --perceptual_loss_start_iter 5000 \
--enable_wandb \
--auto_resume
评估模型
torchrun --nproc_per_node=8 main_storm.py \
--project 0504_storm \
--exp_name 0504_pixel_storm \
--data_root ../storm2.3/data/STORM2
...
# 请替换为您的数据根目录
--batch_size 4 --num_iterations 100000 --lr_sched constant \
--model STORM-B/8 --num_motion_tokens 16 \
--use_sky_token --use_affine_token \
--load_depth --load_flow --load_ground \
--enable_depth_loss --enable_flow_reg_loss --flow_reg_coeff 0.005 --enable_sky_opacity_loss \
--enable_perceptual_loss --perceptual_loss_start_iter 5000 \
--auto_resume \
--evaluate
4. 典型生态项目
目前,GaussianSTORM项目主要围绕大规模户外场景的时空重建。在开源社区中,类似的项目还包括用于3D重建、场景理解和其他计算机视觉任务的项目。例如,NERF(Neural Radiance Fields)和PointNet等,都是与GaussianSTORM互补的开源项目,共同推动了计算机视觉领域的发展。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~052CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0313- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
178
262

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
868
514

openGauss kernel ~ openGauss is an open source relational database management system
C++
130
183

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
272
311

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
373

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

一款跨平台的 Markdown AI 笔记软件,致力于使用 AI 建立记录和写作的桥梁。
TSX
83
4

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
599
58

基于可以运行在OpenHarmony的git,提供git客户端操作能力
ArkTS
10
3