HashNeRF pytorch

HashNeRF-pytorch

？更新 ？

使用此 HuggingFace 聊天機器人獲取有關此存儲庫的任何問題的答案。

---

Instant-NGP 最近為 NeRF 等神經圖形基元引入了多解析度雜湊編碼。最初的 NVIDIA 實作主要採用 C++/CUDA，基於tiny-cuda-nn，可將 NeRF 的訓練速度提高 100 倍！

該專案是 Instant-NGP 的純 PyTorch實現，其建構目的是使人工智慧研究人員能夠在此方法的基礎上進一步發揮和創新。

該項目建立在超級有用的 NeRF-pytorch 實作之上。

Vanilla NeRF 的收斂速度

HashNeRF-pytorch （左）與 NeRF-pytorch（右）：

主席.匯聚.mp4

經過僅 5000 次迭代訓練（在單一 1050Ti 上約 10 分鐘）後，您開始看到清晰的椅子渲染。 :)

指示

從此處下載 nerf-synthetic 資料集：Google Drive。

訓練chair HashNeRF 模型：

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

要訓練ficus / hotdog等其他對象，請將configs/chair.txt替換為configs/{object}.txt ：

附加功能

該程式碼庫還支援：

• 總變異損失使嵌入更平滑（使用--tv-loss-weight啟用）
• 光線權重的稀疏性損失（使用--sparse-loss-weight啟用）

ScanNet 資料集支持

該儲存庫現在支援在 ScanNet 資料集的場景上訓練 NeRF 模型。我個人發現設定 ScanNet 資料集有點棘手。請在 ScanNet.md 中找到一些說明/註解。

待辦事項：

• 訓練和/或推理期間的體素修剪
• 加速光線追蹤、提前光線終止

引文

感謝 Thomas Müller 和 NVIDIA 團隊的這項出色工作，這將極大地幫助加速神經圖形研究：

 @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
}

另外，感謝 Yen-Chen Lin 提供的超級有用的 NeRF-pytorch：

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

如果您發現該項目有用，請考慮引用：

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

明星歷史