HDR-Plenoxels 项目使用教程
2024-09-27 10:20:53作者:伍霜盼Ellen
1. 项目目录结构及介绍
HDR-Plenoxels/
├── build/
│ ├── opt/
│ │ ├── hdr_opt.py
│ │ ├── shell/
│ │ │ ├── syn/
│ │ │ │ ├── train_mid.sh
│ │ │ │ ├── train_mix.sh
│ │ │ │ ├── train_tone.sh
│ │ │ ├── real/
│ │ │ │ ├── train_mid.sh
│ │ │ │ ├── train_mix.sh
│ │ │ │ ├── train_tone.sh
│ │ ├── render/
│ │ │ ├── render_hdr.sh
│ │ │ ├── render_ldr.sh
│ │ ├── hdr_calc_metrics.py
├── svox2/
│ ├── __init__.py
│ ├── ... (其他相关文件)
├── test/
│ ├── ... (测试相关文件)
├── LICENSE
├── README.md
├── environment.yml
├── manual_install.sh
├── setup.py
目录结构说明
build/: 包含项目的构建和优化相关文件。opt/: 包含训练和渲染的脚本。hdr_opt.py: 训练单个场景的主要脚本。shell/: 包含用于训练和渲染的Shell脚本。syn/: 包含用于合成数据集的训练脚本。real/: 包含用于真实数据集的训练脚本。
render/: 包含用于渲染HDR和LDR辐射场的脚本。hdr_calc_metrics.py: 用于计算评估指标的脚本。
svox2/: 包含项目的主要代码库,包括CUDA扩展和其他相关文件。test/: 包含项目的测试文件。LICENSE: 项目的许可证文件。README.md: 项目的介绍和使用说明。environment.yml: 用于创建虚拟环境的配置文件。manual_install.sh: 手动安装脚本。setup.py: 项目的安装脚本。
2. 项目的启动文件介绍
hdr_opt.py
hdr_opt.py 是项目的主要启动文件,用于训练单个场景的HDR辐射场。该脚本位于 build/opt/ 目录下。
使用方法
python hdr_opt.py --config path/to/config.yaml
其他启动脚本
train_mid.sh,train_mix.sh,train_tone.sh: 这些脚本位于build/opt/shell/syn/和build/opt/shell/real/目录下,分别用于训练不同类型的数据集。
3. 项目的配置文件介绍
environment.yml
environment.yml 是用于创建虚拟环境的配置文件。通过该文件,可以快速创建一个包含所有依赖项的虚拟环境。
使用方法
conda env create -f environment.yml
conda activate plenoxel
setup.py
setup.py 是项目的安装脚本,用于安装项目的主要库和依赖项。
使用方法
pip install .
manual_install.sh
manual_install.sh 是一个手动安装脚本,用于在CUDA工具包较旧的情况下安装CUB库。
使用方法
./manual_install.sh
通过以上步骤,您可以顺利地启动和配置HDR-Plenoxels项目,并开始进行HDR辐射场的训练和渲染。
登录后查看全文
热门项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0117
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook09
热门内容推荐
最新内容推荐
项目优选
收起
暂无描述
Dockerfile
764
4.97 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
857
1.92 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
678
1.33 K
Ascend Extension for PyTorch
Python
719
876
deepin linux kernel
C
32
16
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
455
437
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.08 K
1.09 K
华为昇腾面向大规模分布式训练的多模态大模型套件,支撑多模态生成、多模态理解。
Python
150
252
CANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。
Jupyter Notebook
302
117
昇腾LLM分布式训练框架
Python
178
220