首页
/ WoVoGen开源项目教程

WoVoGen开源项目教程

2025-05-21 19:41:33作者:尤峻淳Whitney

1. 项目介绍

WoVoGen(World Volume-aware Diffusion for Controllable Multi-camera Driving Scene Generation)是一个由复旦大学团队开发的开源项目,旨在生成具有时空一致性的多摄像头驾驶场景视频。该项目通过利用4D世界体积(World Volume)和先进的扩散模型,不仅能够生成高质量的街道视图视频,还能够支持场景编辑和多样化样本生成,为自动驾驶数据集的增强提供了强有力的工具。

2. 项目快速启动

环境准备

确保您的系统中已安装以下版本的Python和torch:

  • Python == 3.9
  • torch == 2.1.0

数据准备

首先,您需要准备Nuscenes数据集并将其转换为项目所需的格式:

python tools/nuscenes_convertor.py \
--nusc_root=$NUSC_ROOT \
--nusc_occ_root=$NUSC_OCC_ROOT \
--out_root=$OUT_ROOT \
--vae  # 添加图像潜在特征到世界体积

生成对象指导

使用以下命令生成对象指导:

python tools/clip_convertor.py

单帧生成

  1. 添加权重到模型:
python tools/add_weight.py \
models/v2-1_512-ema-pruned.ckpt \
models/wovogen_single.ckpt
  1. 训练单帧模型:
python train_single_frame.py \
--config_path models/cldm_v21_c64_256x448_6cat_clip_local_high_dim.yaml \
--resume-path=models/wovogen_single.ckpt

3. 应用案例和最佳实践

场景生成

WoVoGen擅长生成具有时间一致性的未来世界体积,并利用这些信息生成多摄像头视频。以下是一个简单的生成流程:

  1. 准备训练好的模型权重和配置文件。
  2. 使用模型生成世界体积。
  3. 根据生成的世界体积合成多摄像头视频。

控制和编辑

WoVoGen允许用户通过改变随机种子、天气条件和位置来生成多样化的场景。此外,还可以通过修改世界体积中的特定对象(如树木、建筑物、车辆等)来精确生成多样化的驾驶场景。

4. 典型生态项目

WoVoGen的生态项目包括但不限于以下几种:

  • Stable Diffusion: 用于生成高质量图像的扩散模型。
  • ControlNet: 提供额外的控制输入,以引导生成过程。

通过集成这些生态项目,您可以进一步扩展WoVoGen的功能和应用范围。

登录后查看全文
热门项目推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
163
2.05 K
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
leetcodeleetcode
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
60
16
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
199
279
RuoYi-Vue3RuoYi-Vue3
🎉 (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
951
557
ShopXO开源商城ShopXO开源商城
🔥🔥🔥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
96
15
apintoapinto
基于golang开发的网关。具有各种插件,可以自行扩展,即插即用。此外,它可以快速帮助企业管理API服务,提高API服务的稳定性和安全性。
Go
22
0
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
77
70
giteagitea
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
17
0