HashNeRF pytorch تنزيل - HashNeRF pytorch تنزيل كود المصدر

HashNeRF pytorch

كود الذكاء الاصطناعي

1.0.0

تنزيل

HashNeRF-pytorch

؟ تحديث ؟

احصل على إجابات لأية أسئلة حول هذا المستودع باستخدام HuggingFace Chatbot.

قدمت Instant-NGP مؤخرًا ترميز تجزئة متعدد الدقة لبدائيات الرسومات العصبية مثل NeRFs. يمكن لتطبيق NVIDIA الأصلي بشكل أساسي في C++/CUDA، استنادًا إلى tiny-cuda-nn، تدريب NeRFs بشكل أسرع بما يصل إلى 100x!

هذا المشروع عبارة عن تطبيق PyTorch خالص لـ Instant-NGP، والذي تم إنشاؤه بغرض تمكين باحثي الذكاء الاصطناعي من اللعب والابتكار بشكل أكبر باستخدام هذه الطريقة.

تم بناء هذا المشروع على أساس تطبيق NeRF-pytorch المفيد للغاية.

سرعة التقارب WRT Vanilla NeRF

HashNeRF-pytorch (يسار) مقابل NeRF-pytorch (يمين):

Chair.Convergence.mp4

بعد التدريب لمدة 5 آلاف تكرار فقط (حوالي 10 دقائق على جهاز 1050Ti واحد)، تبدأ في رؤية عرض كرسي واضح . :)

تعليمات

قم بتنزيل مجموعة بيانات nerf-synthetic من هنا: Google Drive.

لتدريب نموذج chair HashNeRF:

 python run_nerf.py --config configs/chair.txt --finest_res 512 --log2_hashmap_size 19 --lrate 0.01 --lrate_decay 10

للتدريب على كائنات أخرى مثل ficus / hotdog ، استبدل configs/chair.txt بـ configs/{object}.txt :

hotdog_ficus

إضافات

تحتوي قاعدة التعليمات البرمجية على دعم إضافي لـ:

إجمالي فقدان التباين لتضمينات أكثر سلاسة (استخدم --tv-loss-weight للتمكين)
الخسارة الناتجة عن التناثر في أوزان الشعاع (استخدم --sparse-loss-weight للتمكين)

دعم مجموعة بيانات ScanNet

يدعم الريبو الآن تدريب نموذج NeRF على مشهد من مجموعة بيانات ScanNet. لقد وجدت شخصيًا أن إعداد مجموعة بيانات ScanNet أمر صعب بعض الشيء. الرجاء العثور على بعض التعليمات/الملاحظات في ScanNet.md.

المهام:

تشذيب فوكسل أثناء التدريب و/أو الاستدلال
تتبع الشعاع المتسارع، إنهاء الشعاع المبكر

الاقتباس

شكرًا لتوماس مولر وفريق NVIDIA على هذا العمل الرائع، والذي سيساعد بشكل كبير في تسريع أبحاث الرسومات العصبية:

 @article{mueller2022instant,
    title = {Instant Neural Graphics Primitives with a Multiresolution Hash Encoding},
    author = {Thomas M"uller and Alex Evans and Christoph Schied and Alexander Keller},
    journal = {arXiv:2201.05989},
    year = {2022},
    month = jan
}

أيضًا، شكرًا لـ Yen-Chen Lin على NeRF-pytorch المفيد للغاية:

 @misc{lin2020nerfpytorch,
  title={NeRF-pytorch},
  author={Yen-Chen, Lin},
  publisher = {GitHub},
  journal = {GitHub repository},
  howpublished={url{https://github.com/yenchenlin/nerf-pytorch/}},
  year={2020}
}

إذا وجدت هذا المشروع مفيدًا، فيرجى مراعاة الاستشهاد بما يلي:

 @misc{bhalgat2022hashnerfpytorch,
  title={HashNeRF-pytorch},
  author={Yash Bhalgat},
  publisher = {GitHub},
  journal = {GitHub repository},
  howpublished={url{https://github.com/yashbhalgat/HashNeRF-pytorch/}},
  year={2022}
}