TEXTurePaper 项目使用教程

1. 项目目录结构及介绍

TEXTurePaper/
├── configs/
│   ├── text_guided/
│   ├── texture_transfer/
│   └── texture_edit/
├── demos/
├── images/
├── scripts/
│   ├── generate_data_from_mesh.py
│   ├── generate_data_from_images.py
│   ├── finetune_diffusion.py
│   └── run_texture.py
├── shapes/
├── src/
├── textures/
├── .gitignore
├── LICENSE
├── README.md
└── requirements.txt

目录结构介绍

• configs/: 包含项目的配置文件，分为三个子目录：text_guided、texture_transfer 和 texture_edit，分别用于文本引导的纹理生成、纹理转移和纹理编辑。
• demos/: 包含项目的演示文件。
• images/: 包含项目使用的图像文件。
• scripts/: 包含项目的脚本文件，如数据生成、模型微调、纹理生成等。
• shapes/: 包含项目的3D形状文件。
• src/: 包含项目的源代码。
• textures/: 包含项目的纹理文件。
• .gitignore: Git忽略文件。
• LICENSE: 项目许可证文件。
• README.md: 项目说明文件。
• requirements.txt: 项目依赖文件。

2. 项目启动文件介绍

scripts/run_texture.py

这是项目的主要启动文件，用于执行文本引导的纹理生成任务。可以通过命令行参数指定配置文件路径来启动不同的任务。

使用示例：

python -m scripts.run_texture --config_path=configs/text_guided/napoleon.yaml

scripts/generate_data_from_mesh.py

用于从3D网格生成训练数据，包括渲染图像和对应的深度图。

使用示例：

python -m scripts.generate_data_from_mesh --config_path=configs/texture_transfer/render_spot.yaml

scripts/generate_data_from_images.py

用于从现有图像生成训练数据，包括处理图像和生成深度图。

使用示例：

python -m scripts.generate_data_from_images --images_dir=images/teapot

scripts/finetune_diffusion.py

用于微调扩散模型，以适应特定的纹理转移任务。

使用示例：

python -m scripts.finetune_diffusion --pretrained_model_name_or_path=stabilityai/stable-diffusion-2-depth --instance_data_dir=texture_renders/spot_train_images/ --instance_prompt='a <[]> photo of a <object>' --append_direction --lr_warmup_steps=0 --max_train_steps=10000 --scale_lr --init_token cow --output_dir tuned_models/spot_model --eval_path=configs/texture_transfer/eval_data.json

3. 项目的配置文件介绍

configs/text_guided/napoleon.yaml

用于文本引导的纹理生成任务，配置文件中包含了模型参数、数据路径等信息。

configs/texture_transfer/render_spot.yaml

用于从3D网格生成训练数据的配置文件，包含了渲染参数、输出路径等信息。

configs/texture_transfer/eval_data.json

用于纹理转移任务的评估数据配置文件，包含了评估数据的深度图路径等信息。

configs/texture_edit/nascar_edit.yaml

用于纹理编辑任务的配置文件，包含了初始纹理路径、编辑参数等信息。

通过这些配置文件，用户可以灵活地调整项目的运行参数，以适应不同的任务需求。