Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.
Entrena salpicaduras gaussianas en 3D a partir de un vídeo en Deadline Cloud
El paquete de tareas gsplat_pipeline.ply Tras descargar el resultado, podrá verlo en cualquier visor de salpicaduras gaussianas, por ejemplo. SuperSplat
La canalización ejecuta una sola tarea que:
-
Extrae fotogramas de vídeo con FFmpeg
. -
Se resuelve Structure-from-Motion con COLMAP
y GLOMAP , guardando el modelo estenopeico y las imágenes no distorsionadas. -
Entrena las salpicaduras gaussianas con nRF Studio splatfacto, Splatfacto
in the Wild o la biblioteca gsplat de simple_trainer.py. El resultado se .plyguarda en el archivo que especifique.
Para ejecutar este paquete, implemente la CloudFormation plantilla de granja CUDA para crear una granja
Si solo necesitas el entrenador predeterminado NERFSTUDIO (splatfacto), no necesitas la plantilla de granja CUDA ni el paquete conda personalizado de NeRF Studio. Los requisitos mínimos son una granja de Deadline Cloud con una flota de GPU, un entorno de colas que incluya y los siguientes paquetes de conda-forge conda:. ffmpeg colmap glomap nerfstudio cuda
Para capturar un vídeo utilizable, sigue estos consejos:
-
Utilice un campo de visión amplio para que haya más objetos comunes entre los pares de imágenes Structure-from-Motion que desee utilizar.
-
Desactive la estabilización de vídeo para conservar una óptica de lente idéntica entre fotogramas.
-
Captura con cámara lenta y constante. Siga moviendo la cámara y evite detenerse y realizar panorámicas desde un solo lugar.
Desde el job_bundles directorio del repositorio de muestras, envíe el trabajo:
deadline bundle gui-submit gsplat_pipeline
En la pestaña de Job-specific configuración, seleccione las rutas tanto para el archivo de vídeo de entrada como para el .ply archivo de salida.
