Uni4D 项目最佳实践教程

1. 项目介绍

Uni4D 是一个开源项目，旨在通过单段视频实现 4D 建模。它统一了多种视觉基础模型，如深度估计、动态掩码等，以从单个视频中重建出四维模型。该项目由 David Yifan Yao 等人开发，并在 CVPR 2025 上发表。

2. 项目快速启动

环境准备

首先，确保您的环境中已安装了 CUDA Toolkit 12.1。然后，按照以下步骤进行操作：

# 克隆项目并递归下载子模块
git clone --recursive https://github.com/Davidyao99/uni4d.git

# 创建并激活虚拟环境
conda create -n uni4d python=3.10
conda activate uni4d

# 安装依赖
bash scripts/install.sh

下载模型权重

# 下载视觉基础模型的权重
bash scripts/download_weights.sh

配置 OpenAI API

Uni4D 的预处理需要调用 GPT，因此需要一个具有信用额度的 OpenAI 账户。获取您的 API 密钥并将其设置为环境变量：

echo "OPENAI_API_KEY=sk-your_api_key_here" > .env

运行示例

项目提供了一个示例脚本，用于演示如何处理一个视频序列：

# 运行示例
bash scripts/demo.sh

输出目录结构如下：

data/demo/
└── lady-running/                # 示例序列名
├── rgb/                     # 原始 RGB 图像
│   ├── 00000.jpg            # 顺序 RGB 帧图像
│   └── ...
│
├── deva/                    # DEVA 模型输出
│   ├── pred.json            # 预测数据
│   ├── args.txt             # 参数
│   ├── Annotations/         # 注解掩码
│   │   ├── 00000.png
│   │   └── ...
│   └── Visualizations/      # 可视化结果
│       ├── 00000.jpg
│       └── ...
│
├── ram/                     # RAM 模型检测结果
│   └── tags.json            # 包含 RAM 检测的类、GPT 输出和过滤后的类
│
├── unidepth/                # 深度估计结果
│   ├── depth_vis/           # 深度图可视化
│   │   ├── 00000.png
│   │   └── ...
│   ├── depth.npy            # 原始深度数据
│   └── intrinsics.npy       # 相机内参
│
├── gsm2/                    # GSM2 模型输出
│   ├── mask/                # 分割掩码
│   │   ├── 00000.png        # 二进制掩码图像
│   │   ├── 00000.json       # 元数据/参数
│   │   └── ...
│   └── vis/                 # 掩码可视化
│       ├── 00000.jpg
│       └── ...
│
├── cotrackerv3_F_G/        # Cotracker 输出（F=帧，G=网格大小）
│   ├── results.npz          # 轨迹数据
│   └── vis/                 # Cotracker 可视化
│       ├── 00000.png
│       └── ...
│
└── uni4d/                   # Uni4D 模型输出
└── experiment_name/     # 实验名称
├── fused_4d.npz     # 融合的 4D 表示数据
├── timer.txt        # 每个阶段的运行时间
├── training_info.log # 训练日志
└── *.npz            # 原始结果

3. 应用案例和最佳实践

自定义预处理

Uni4D 允许您使用自定义的深度估计和动态掩码。将结果保存在以下格式：

data/demo/
└── lady-running/                # 示例序列名
├── rgb/                     # 原始 RGB 图像
│   ├── 00000.jpg            # 顺序 RGB 帧图像
│   └── ...
├── custom_depth/            # 自定义深度估计结果
│   ├── depth.npy            # 原始深度数据保存为 F x 1 x H x W
│   └── intrinsics.npy       # 相机内参（初始化 Uni4D 时保存为 3x3 矩阵）
├── custom_segmentation/     # 自定义分割结果
│   ├── Annotations/         # 注解掩码
│   │   ├── 00000.png        # 轨迹 ID 为单通道，每个轨迹为唯一 RGB 的三通道
│   │   └── ...
...

运行 Uni4D 优化时，使用以下参数来使用您的自定义预处理结果：

python ./uni4d/run.py --config ./uni4d/config/config_demo.yaml --depth_net <custom_depth> --dyn_mask_dir <custom_segmentation>

4. 典型生态项目

Uni4D 项目依赖于以下几个典型的生态项目：

• CasualSAM: Uni4D 的代码库基于此项目。
• MonST3R: Uni4D 的评估和数据集准备基于此项目。
• Tracking-Anything-with-DEVA: Uni4D 的预处理依赖于此项目。
• Grounded-Sam-2: Uni4D 的预处理依赖于此项目。
• CotrackerV3: Uni4D 的预处理依赖于此项目。
• Unidepth: Uni4D 的预处理依赖于此项目。
• Recognize-Anything: Uni4D 的预处理依赖于此项目。

以上是 Uni4D 项目的最佳实践教程，希望对您有所帮助。