《Radiant Foam: 实时可微分光线追踪》项目安装与配置指南

1. 项目基础介绍

本项目是《Radiant Foam: 实时可微分光线追踪》的官方实现，它是一个研究性质的开源代码库。该项目旨在实现一种新的实时光线追踪算法，能够进行可微分的渲染，用于计算机图形学和视觉效果的研究与开发。主要编程语言包括Cuda、C++和Python。

2. 项目使用的关键技术和框架

• CUDA: 用于GPU加速的并行计算库，本项目利用CUDA进行高性能的光线追踪计算。
• PyTorch: 一个开源的机器学习库，基于Python，本项目使用PyTorch进行模型的训练和推理。
• COLMAP: 一个开源的3D重建库，本项目使用COLMAP生成的数据来进行训练。

3. 安装和配置准备工作

在开始安装之前，请确保您的系统满足以下要求：

• 操作系统：Linux（本项目在Ubuntu 24.04上进行了测试）
• Python：3.10或更高版本
• CUDA Toolkit：版本12.x
• GPU：计算能力7.0或更高版本的CUDA兼容GPU

安装步骤

1. 克隆项目仓库及子模块

   打开终端，运行以下命令克隆项目仓库及其子模块：

   git clone --recursive https://github.com/theialab/radfoam.git
   

2. 安装依赖

   首先创建一个Python虚拟环境（这一步可选，但推荐这样做以避免污染全局环境），然后安装所需的Python依赖：

   # 创建虚拟环境（需要提前安装virtualenv）
   python -m venv venv
   source venv/bin/activate  # 在Windows下使用 `venv\Scripts\activate`
   
   # 安装Python依赖
   pip install -r requirements.txt
   

3. 安装项目

   有两种安装方式：

   • pip安装（推荐小白使用）

     在项目根目录下运行以下命令：

     pip install .
     

     这将会编译CUDA内核并安装Python绑定到你的Python环境中。

   • CMake安装（适用于需要修改CUDA/C++代码的用户）

     创建一个build目录，然后从该目录运行以下命令：

     mkdir build && cd build
     cmake ..
     make install
     

     这将在项目根目录的本地radfoam目录中安装。

4. 准备数据集

   将Mip-NeRF 360和Deep Blending数据集放置在项目中的data/mipnerf360和data/db目录下。

5. 开始训练

   使用以下命令开始训练：

   python train.py -c configs/<config_file>.yaml
   

   其中<config_file>是configs目录中的一个配置文件或你自己的配置文件。

   如果你想交互式地训练，可以添加--viewer标志。

以上是《Radiant Foam: 实时可微分光线追踪》项目的详细安装和配置指南。按照上述步骤，即使是编程小白也能顺利完成安装并开始探索该项目。