Jittor/JNeRF项目下载及安装教程

1. 项目介绍

JNeRF是基于Jittor的开源NeRF（Neural Radiance Fields）基准测试项目。它重新实现了instant-ngp，并实现了与原论文相同的性能。JNeRF支持在5秒内训练NeRF，并且具有与原论文相似的性能和速度。

2. 项目下载位置

该项目托管在GitHub上，您可以访问以下位置下载项目：

https://github.com/Jittor/JNeRF.git

3. 项目安装环境配置

在开始安装之前，您需要确保您的系统环境满足以下要求：

• 系统：Linux（如Ubuntu/CentOS/Arch）、macOS或Windows Subsystem of Linux (WSL)
• Python版本：≥3.7
• CPU编译器：g++ (≥5.4.0) 或 clang (≥8.0)
• GPU编译器（可选）：nvcc (≥10.0 for g++ 或 ≥10.2 for clang)
• GPU库：cudnn-dev（推荐tar文件安装，参考链接）
• GPU支持：sm arch ≥ sm_61（GTX 10x0 / TITAN Xp及以上）以使用fp16；sm arch ≥ sm_70（TITAN V / V100及以上）以使用FullyFusedMLP；JNeRF会自动使用原始fp32如果不符合要求。

以下是环境配置的图片示例：

# 克隆项目
git clone https://github.com/Jittor/JNeRF.git

# 进入项目目录
cd JNeRF

# 安装依赖
python3 -m pip install --user -e

4. 项目安装方式

项目可以通过以下命令安装：

git clone https://github.com/Jittor/JNeRF.git
cd JNeRF
python3 -m pip install --user -e

5. 项目处理脚本

以下是一些基本的处理脚本示例：

• 训练模型：

  python tools/run_net.py --config-file /projects/ngp/configs/ngp_base.py
  

• 测试预训练模型：

  python tools/run_net.py --config-file /projects/ngp/configs/ngp_base.py --task test
  

• 渲染演示视频：

  python tools/run_net.py --config-file /projects/ngp/configs/ngp_base.py --task render
  

• 提取带颜色的网格：

  python tools/extract_mesh.py --config-file /projects/ngp/configs/ngp_base.py --resolution 512 --mcube_smooth False
  

请注意，以上脚本可能需要根据实际项目结构和配置进行调整。