WorldScore 的安装和配置教程

项目基础介绍

WorldScore 是一个用于世界生成的统一评估基准项目。该项目旨在为世界生成模型提供一个全面的评估平台，帮助研究人员和开发者更好地理解和比较不同模型的生成能力。该项目的主要编程语言是 Python。

项目使用的关键技术和框架

• Python：作为主要的编程语言，Python 提供了易于理解和使用的语法，同时也支持丰富的库和框架。
• PyTorch：一个流行的深度学习框架，用于构建和训练神经网络模型。
• Droid-SLAM：一种用于移动设备上的实时单目 SLAM 系统的技术。

项目安装和配置的准备工作

在开始安装和配置 WorldScore 项目之前，请确保您的系统满足以下要求：

• Python 3.10 或更高版本
• CUDA 12.1 或更高版本（如果使用 GPU 加速）
• Git 版本控制系统

以下为详细的安装步骤：

步骤 1：克隆项目仓库

首先，您需要在您的计算机上克隆 WorldScore 项目仓库：

git clone https://github.com/haoyi-duan/WorldScore.git
cd WorldScore

步骤 2：配置环境变量

在项目根目录下创建一个 .env 文件，并设置以下环境变量：

WORLDSCORE_PATH=/path/to/worldscore # WorldScore 项目路径
MODEL_PATH=/path/to/model # 模型存储路径
DATA_PATH=/path/to/dataset # 数据集存储路径

然后，导出这些环境变量：

export $(grep -v '^#' .env | xargs)

步骤 3：创建虚拟环境并安装依赖

创建一个新的虚拟环境（这里以 Conda 为例），并安装所需的依赖：

conda create -n world_gen python=3.10
conda activate world_gen
pip install -e .

步骤 4：下载数据集

使用以下命令下载 WorldScore 数据集：

python download.py

确保 .env 文件中的 DATA_PATH 已经正确设置，并且环境变量已经导出。

步骤 5：安装额外的依赖

根据项目要求，可能还需要安装一些额外的依赖，例如 Droid-SLAM：

conda install pytorch==2.5.1 torchvision==0.20.1 torchaudio==2.5.1 pytorch-cuda=12.1 -c pytorch -c nvidia
pip install torch-scatter -f https://data.pyg.org/whl/torch-2.5.1+cu121.html
pip install --index-url https://download.pytorch.org/whl/cu121 xformers
conda install suitespar

完成以上步骤后，您应该已经成功安装和配置了 WorldScore 项目。