Jittor 可微渲染新视角生成赛题





简介
本项目包含了第二届计图挑战赛计图 - 可微渲染新视角生成赛题的代码实现。本项目的特点是:采用了 NeRF基于大量相机参数已知的图片训练神经网络,可以从任意角度渲染出图片结果。
安装
在1张P100上训练1个50000次迭代的模型并且生成评分图像的时间约为4小时
运行环境
- ubuntu 20.04 LTS
- python >= 3.7
- jittor >= 1.3.0
训练
单卡训练可运行以下命令:
python nerf.py --expname=Scar
--basedir=./
--datadir=./nerf_synthetic/Scar
--dataset_type=blender
--no_batching
--use_viewdirs
--white_bkgd
--lrate_decay=500
--N_samples=64
--N_importance=128
--N_rand=1024
--precrop_iters=500
--precrop_frac=0.5
--testskip=1
--N_iters=180001
--i_img=180000
--i_testset=180000
--i_video=180000
推理
生成评分用的数据只需要将–i_img、–i_testset和–i_video这三个参数设置成你想要每隔多少次迭代生成一次图片即可,比如想每隔18万次迭代生成一次就可以设置180000
Jittor 可微渲染新视角生成赛题
简介
本项目包含了第二届计图挑战赛计图 - 可微渲染新视角生成赛题的代码实现。本项目的特点是:采用了 NeRF基于大量相机参数已知的图片训练神经网络,可以从任意角度渲染出图片结果。
安装
在1张P100上训练1个50000次迭代的模型并且生成评分图像的时间约为4小时
运行环境
训练
单卡训练可运行以下命令:
推理
生成评分用的数据只需要将–i_img、–i_testset和–i_video这三个参数设置成你想要每隔多少次迭代生成一次图片即可,比如想每隔18万次迭代生成一次就可以设置180000