NerfStudio项目中使用Eyeful Tower数据集评估问题的解决方案

问题背景

在使用NerfStudio项目中的ns-eval工具评估基于Eyeful Tower数据集(office_view2场景)训练的instant-ngp模型时，开发者遇到了一个常见的错误提示："RuntimeError: The dataset's list of filenames for split test is missing"。这个错误表明评估过程无法找到测试集的文件名列表。

问题分析

Eyeful Tower数据集是一个用于神经辐射场(NeRF)研究的高质量数据集，但它的数据结构与NerfStudio的评估工具预期有所不同。具体表现为：

1. 数据集中的transforms.json文件缺少"test_filenames"字段，这是NerfStudio评估工具默认查找的测试集标识
2. 虽然数据集包含splits.json文件，其中确实定义了测试集，但评估工具并不直接使用这个文件
3. 实际上，数据集中验证集(val_filenames)和测试集(test_filenames)的内容是相同的

解决方案

经过分析，可以采用以下简单有效的解决方法：

1. 打开Eyeful Tower数据集中的transforms.json文件
2. 找到"val_filenames"字段及其对应的文件列表
3. 复制整个"val_filenames"字段块
4. 将其重命名为"test_filenames"并添加到transforms.json中
5. 保存修改后的文件

这样处理后，NerfStudio的评估工具就能正确识别测试集并完成评估过程。

技术原理

这个问题的本质在于数据集划分规范与工具预期的不匹配。NerfStudio评估工具默认会查找特定的字段名来识别不同数据划分：

• train_filenames: 训练集
• val_filenames: 验证集
• test_filenames: 测试集

而Eyeful Tower数据集可能出于简化考虑，只提供了训练集和验证集的划分。通过手动添加测试集字段，我们保持了数据一致性(因为测试集和验证集内容相同)，同时满足了工具的要求。

扩展建议

对于使用Eyeful Tower数据集的研究者，还应注意以下几点：

1. 鱼眼镜头场景(如table场景)的重建可能更具挑战性，需要调整训练参数
2. 不同版本的鱼眼相机(v1/v2)采集的数据可能有不同的特性
3. 可以尝试修改评估脚本以直接使用splits.json文件，这需要一定的编程能力
4. 对于大规模评估，建议编写自动化脚本批量处理多个场景的transforms.json文件

总结

本文分析了NerfStudio项目中使用Eyeful Tower数据集进行评估时遇到的测试集缺失问题，并提供了简单有效的解决方案。理解数据集结构与工具预期的差异，有助于研究者更高效地开展神经辐射场相关的实验工作。对于类似的多视角图像数据集处理，这种字段匹配的思路也具有参考价值。