【亲测免费】 MASt3R 项目使用教程

1. 项目的目录结构及介绍

MASt3R 项目目录结构如下：

mast3r/
├── assets/
├── docker/
├── dust3r/
│   ├── croco/
│   ├── inference/
│   ├── utils/
├── .gitignore
├── .gitmodules
├── CHECKPOINTS NOTICE
├── LICENSE
├── NOTICE
├── README.md
├── demo.py
├── demo_dust3r_ga.py
├── requirements.txt
├── train.py
├── visloc.py

• assets/: 存放项目所需资源文件。
• docker/: 包含 Docker 配置文件和启动脚本。
• dust3r/: 包含与 DUSt3R 相关的模块，如 croco、inference、utils 等。
• .gitignore: 指定 Git 忽略的文件和目录。
• .gitmodules: 指定 Git 子模块。
• CHECKPOINTS NOTICE: 说明预训练模型的使用许可。
• LICENSE: 项目使用的许可协议。
• NOTICE: 项目相关通知。
• README.md: 项目说明文件。
• demo.py: 项目演示脚本。
• demo_dust3r_ga.py: DUSt3R 项目的演示脚本。
• requirements.txt: 项目依赖的 Python 包。
• train.py: 模型训练脚本。
• visloc.py: 视觉定位脚本。

2. 项目的启动文件介绍

项目的启动文件是 demo.py，该文件展示了如何使用 MASt3R 项目进行交互式演示。

主要步骤如下：

1. 导入必要的模块。
2. 设置设备（默认为 CUDA）。
3. 加载预训练模型。
4. 加载图片。
5. 运行推理。
6. 获取预测结果。
7. 可视化部分匹配结果。

运行演示的示例命令：

python3 demo.py --model_name MASt3R_ViTLarge_BaseDecoder_512_catmlpdpt_metric

3. 项目的配置文件介绍

项目的配置文件为 requirements.txt，该文件列出了项目依赖的 Python 包。

示例内容如下：

torch
torchvision
pytorch-cuda
cmake

在使用项目之前，需要安装这些依赖包。可以使用以下命令安装：

pip install -r requirements.txt

对于部分可选的依赖包，如支持 HEIC 图片和视觉定位的包，可以在 dust3r/requirements_optional.txt 文件中找到。如果需要，也可以按照相同的方式安装这些可选依赖包。