splatter-image

"Splatter Image: 超快单视图3D重建"（CVPR 2024）的官方实现

[2024年4月16日] 自首次发布以来，该项目有几个重大更新：

我们现在可以重建任何物体：我们在Objaverse上训练的开放类别模型仅用了7个GPU天
我们现在有一个演示，您可以上传任何物体的图片，让我们的模型重建它
所有6个数据集的模型现已发布！我们训练了6个模型：Objaverse、多类别ShapeNet、CO3D消防栓、CO3D泰迪熊、ShapeNet汽车和ShapeNet椅子
在多类别ShapeNet上达到了最先进水平
支持多GPU训练
CO3D中不需要相机姿态预处理

演示截图

演示

查看在线演示。在本地运行演示通常会更快，您还可以看到用高斯喷溅渲染的循环（而不是提取的.ply对象，后者可能会显示伪影）。要在本地运行演示，只需按照以下安装说明操作，然后调用：

python gradio_app.py

安装

创建conda环境：

conda create --name splatter-image
conda activate splatter-image

按照官方说明安装Pytorch。经验证可用的Pytorch / Python / Pytorch3D组合是：

Python 3.8, Pytorch 1.13.0, CUDA 11.6, Pytorch3D 0.7.2 或者，您可以创建一个单独的环境，安装Pytorch3D 0.7.2，仅用于CO3D数据预处理。一旦CO3D预处理完成，您也可以使用以下Python / Pytorch组合：
Python 3.7, Pytorch 1.12.1, CUDA 11.6
Python 3.8, Pytorch 2.1.1, CUDA 12.1

安装其他要求：

pip install -r requirements.txt

安装高斯喷溅渲染器，即用于将高斯点云渲染为图像的库。为此，克隆高斯喷溅仓库，并在激活conda环境的情况下运行pip install submodules/diff-gaussian-rasterization。您需要满足硬件和软件要求。我们在NVIDIA A6000 GPU上进行了所有实验，并在NVIDIA V100 GPU上进行了速度测量。
如果您想在CO3D数据上进行训练，需要安装Pytorch3D 0.7.2。请参阅此处的说明。建议使用pip从预构建的二进制文件安装。在这里找到兼容的二进制文件，并使用pip安装。例如，对于Python 3.8, Pytorch 1.13.0, CUDA 11.6，运行 pip install --no-index --no-cache-dir pytorch3d -f https://anaconda.org/pytorch3d/pytorch3d/0.7.2/download/linux-64/pytorch3d-0.7.2-py38_cu116_pyt1130.tar.bz2。

数据

ShapeNet汽车和椅子

要在ShapeNet-SRN类（汽车、椅子）上进行训练/评估，请从PixelNeRF数据文件夹下载srn_.zip（=cars或chairs）。解压数据文件，并在datasets/srn.py中将SHAPENET_DATASET_ROOT更改为解压文件夹的父文件夹。例如，如果您的文件夹结构是：/home/user/SRN/srn_cars/cars_train，在datasets/srn.py中设置SHAPENET_DATASET_ROOT="/home/user/SRN"。无需额外预处理。

CO3D消防栓和泰迪熊

要在CO3D上进行训练/评估，请从CO3D发布下载消防栓和泰迪熊类。运行以下命令：

git clone https://github.com/facebookresearch/co3d.git
cd co3d
mkdir DOWNLOAD_FOLDER
python ./co3d/download_dataset.py --download_folder DOWNLOAD_FOLDER --download_categories hydrant,teddybear

接下来，在data_preprocessing/preoprocess_co3d.py中将CO3D_RAW_ROOT设置为您的DOWNLOAD_FOLDER。将CO3D_OUT_ROOT设置为您想存储预处理数据的位置。运行

python -m data_preprocessing.preprocess_co3d

并设置CO3D_DATASET_ROOT:=CO3D_OUT_ROOT。

多类别ShapeNet

对于多类别ShapeNet，我们使用DVR作者托管的NMR的ShapeNet 64x64数据集，可以在这里下载。解压文件夹，并将NMR_DATASET_ROOT设置为解压后包含子类别文件夹的目录。换句话说，NMR_DATASET_ROOT目录应包含文件夹02691156、02828884、02933112等。

Objaverse

要在Objaverse上进行训练，我们使用了Zero-1-to-3的渲染，可以用以下命令下载：

wget https://tri-ml-public.s3.amazonaws.com/datasets/views_release.tar.gz

免责声明：请注意，这些渲染是使用Objaverse生成的。渲染整体以ODC-By 1.0许可发布。个别对象渲染的许可与它们在Objaverse中的创意共享许可相同。

此外，请从模型仓库下载lvis-annotations-filtered.json。这个json文件包含LVIS子集中对象ID的列表。这些资产质量更高。

在datasets/objaverse.py中将OBJAVERSE_ROOT设置为解压后渲染文件夹的目录，并在同一文件中将OBJAVERSE_LVIS_ANNOTATION_PATH设置为下载的.json文件的目录。

请注意，Objaverse数据集仅用于训练和验证。它没有测试子集。

Google扫描对象

为了评估在Objaverse上训练的模型，我们使用Google扫描对象数据集以确保与训练集没有重叠。下载Free3D提供的渲染。解压下载的文件夹，并在datasets/gso.py中将GSO_ROOT设置为解压文件夹的目录。

请注意，Google扫描对象数据集不用于训练。它用于测试在Objaverse上训练的模型。

使用本仓库

预训练模型

所有数据集的预训练模型现在可以通过Huggingface Models获取。如果你只想运行定性/定量评估，不需要手动下载它们，运行评估脚本时会自动使用（见下文）。

如果你希望手动下载，可以在Huggingface模型文件页面上手动点击下载按钮。同时下载配置文件，参见eval.py了解如何加载模型。

评估

下载相关数据集后，可以通过以下命令运行评估：

python eval.py $dataset_name

$dataset_name是数据集的名称。我们支持：

gso（Google扫描物体），
objaverse（Objaverse-LVIS），
nmr（多类别ShapeNet），
hydrants（CO3D消防栓），
teddybears（CO3D泰迪熊），
cars（ShapeNet汽车），
chairs（ShapeNet椅子）。代码会自动下载所请求数据集的相关模型。

你也可以训练自己的模型并通过以下命令评估：

python eval.py $dataset_name --experiment_path $experiment_path

$experiment_path应包含model_latest.pth文件和一个.hydra文件夹，其中有config.yaml。

要在验证集上评估，请使用选项--split val。

要保存物体的渲染图，相机在循环中移动，请使用选项--split vis。使用此选项时不会返回定量分数，因为并非所有数据集都有真实图像。

你可以使用选项--save_vis设置要保存多少个物体的渲染图。你可以使用选项--out_folder设置保存渲染图的位置。

训练

单视图模型分两个阶段训练，首先不使用LPIPS（大部分训练），然后用LPIPS微调。

第一阶段使用以下命令运行：
```
python train_network.py +dataset=$dataset_name
```
其中$dataset_name是[cars,chairs,hydrants,teddybears,nmr,objaverse]之一。完成后，将输出目录路径放在configs/experiment/lpips_$experiment_name.yaml中的opt.pretrained_ckpt选项中（默认设置为null）。
使用以下命令运行第二阶段：
```
python train_network.py +dataset=$dataset_name +experiment=$lpips_experiment_name
```
使用哪个$lpips_experiment_name取决于数据集。如果$dataset_name是[cars,hydrants,teddybears]中的一个，使用lpips_100k.yaml。如果$dataset_name是chairs，使用lpips_200k.yaml。如果$dataset_name是nmr，使用lpips_nmr.yaml。如果$dataset_name是objaverse，使用lpips_objaverse.yaml。记得在启动第二阶段之前，将第一阶段模型的目录放在适当的.yaml文件中。

要训练2视图模型，运行：

python train_network.py +dataset=cars cam_embd=pose_pos data.input_images=2 opt.imgs_per_obj=5

代码结构

训练循环在train_network.py中实现，评估代码在eval.py中。数据集在datasets/srn.py和datasets/co3d.py中实现。模型在scene/gaussian_predictor.py中实现。渲染器的调用可以在gaussian_renderer/__init__.py中找到。

相机约定

高斯光栅化器假设刚体变换矩阵是行主序，即位置向量是行向量。它还要求相机采用COLMAP / OpenCV约定，即x指向右，y指向下，z指向远离相机（前方）。

BibTeX

@inproceedings{szymanowicz24splatter,
      title={Splatter Image: Ultra-Fast Single-View 3D Reconstruction},
      author={Stanislaw Szymanowicz and Christian Rupprecht and Andrea Vedaldi},
      year={2024},
      booktitle={The IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)},
}

致谢

S. Szymanowicz得到EPSRC博士培训合作奖学金(DTP) EP/R513295/1和Oxford-Ashton奖学金的支持。 A. Vedaldi得到ERC-CoG UNION 101001212的支持。我们感谢Eldar Insafutdinov在安装要求方面的帮助。