acezero

项目介绍：acezero

项目背景

acezero 项目是致力于场景坐标重建的最新研究成果。其主要目标是通过增量学习技术优化图像集合的定位方法，并在2024年欧洲计算机视觉会议（ECCV）上进行了口头报告。这个项目结合了场景坐标回归模型和最新的 RANSAC 实现技术，通过高效的递增式学习过程实现了对图像位置的精确判断。

项目团队

该项目由多名学者联合开发和研究，包括 Eric Brachmann、Jamie Wynn、Shuai Chen、Tommaso Cavallari、Áron Monszpart、Daniyar Turmukhambetov 和 Victor Adrian Prisacariu。他们利用各自在计算机视觉领域的经验，共同推动了 acezero 项目的发展。

使用说明

安装

该项目在 Ubuntu 20.04 上进行测试，并使用 PyTorch 作为机器学习框架。用户只需配置项目提供的 conda 环境，即可快速开始项目实验。配置步骤包括创建并激活指定的 conda 环境，继而安装必要的 C++/Python 绑定。

基本用法

acezero 允许用户通过定义图片路径的方式重建图像。用户可以选择运行脚本进行图像坐标位置的训练与注册，输出的结果将是图像的姿态估计文件，包括相机旋转和平移信息。

高级用法

项目支持多种高级使用场景，例如：

对现有姿态进行精细化处理
基于部分重建进行初始化
使用自监督方式进行重新定位
可进行 NeRF 模型或高斯喷洒模型的训练

数据可视化

acezero 提供了可视化选项，允许用户将重建过程呈现为视频，或将最终重建结果导出为3D模型。通过开启可视化选项，用户可以在结果文件夹中查看重建过程的视频文件。

实验与基准测试

项目通过在多个数据集上的实验来验证其效果，包括 7-Scenes、Mip-NeRF 360 和 Tanks and Temples。每个数据集都有对应的脚本进行实验，以实现不同的场景重建和基准测试。用户可以根据需要选择训练不同类型的模型（如 Gaussian splats 或 NeRF 模型），并查看相应的测试结果。