BAD-Gaussians 使用与启动教程

葛梓熙

于 2025-04-14 15:55:35 发布

阅读量789

点赞数 5

本文链接：https://blog.csdn.net/gitblog_01084/article/details/147225131

版权

BAD-Gaussians 使用与启动教程

BAD-Gaussians Official implementation of "BAD-Gaussians: Bundle Adjusted Deblur Gaussian Splatting". ⚡Train a scene from real-world blurry images in minutes! 项目地址: https://gitcode.com/gh_mirrors/ba/BAD-Gaussians

1. 项目介绍

BAD-Gaussians 是基于 nerfstudio 框架的一个官方实现，它对应于 2024 年 arXiv 论文《BAD-Gaussians: Bundle Adjusted Deblur Gaussian Splatting》的代码库。该项目旨在通过使用高斯分布对运动模糊的图像进行去模糊处理，并在去模糊的同时进行新视角的渲染。

2. 项目快速启动

在开始之前，请确保您已经安装了必要的依赖项和 Nerfstudio 环境。

安装依赖

首先，创建一个干净的 Conda 环境，并安装所需依赖：

conda create --name nerfstudio -y python<3.11
conda activate nerfstudio
pip install --upgrade pip setuptools
pip install torch==2.1.2+cu118 torchvision==0.16.2+cu118 --extra-index-url https://download.pytorch.org/whl/cu118
conda install -c nvidia/label/cuda-11.8.0 cuda-toolkit
pip install ninja git+https://github.com/NVlabs/tiny-cuda-nn/#subdirectory=bindings/torch
pip install nerfstudio==1.0.3
pip install git+https://github.com/WU-CVGL/BAD-Gaussians

准备数据集

根据您的数据集类型，使用以下命令处理数据：

对于 BAD-NeRF 数据集，可以使用以下命令：

ns-process-data images --data llff_data/blurtanabata/images --output-dir data/my_data/blurtanabata

确保在命令中正确设置 scale_factor 参数，对于 LLFF 数据集，默认值为 0.25。

训练模型

以下是训练模型的基本命令：

对于合成数据集：

ns-train bad-gaussians --data data/bad-nerf-gtK-colmap-nvs/blurtanabata --pipeline.model.camera-optimizer.mode "linear" --vis viewer+tensorboard deblur-nerf-data

对于实际数据集：

ns-train bad-gaussians --data data/real_camera_motion_blur/blurdecoration --pipeline.model.camera-optimizer.mode "cubic" --vis viewer+tensorboard deblur-nerf-data --downscale_factor 4

根据您的数据集和需求，可能需要添加一些参数以启用立方 B-样条、更多虚拟相机和粗到细的训练。

3. 应用案例和最佳实践

在实际应用中，可以通过以下命令生成视频：

ns-render interpolate --load-config outputs/blurtanabata/bad-gaussians/<your_experiment_date_time>/config.yml --pose-source train --frame-rate 30 --interpolation-steps 10 --output-path renders/<your_filename>.mp4

此外，可以导出 3D 高斯分布：

ns-export gaussian-splat --load-config outputs/blurtanabata/bad-gaussians/<your_experiment_date_time>/config.yml --output-dir outputs/blurtanabata/bad-gaussians/<your_experiment_date_time>

确保在训练时关闭抗锯齿模式，以便在大多数 3D-GS 视图中正确显示。