本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 来自 Deadline Cloud 视频的 3D 高斯飞溅训练
<a name="examples-jb-gaussian-splatting"></a>

gs [plat\_pipeline 作业包运行 [3D Ga](https://aws.amazon.com/blogs/spatial/3d-gaussian-splatting-performant-3d-scene-reconstruction-at-scale/) ussian Splatting 管道](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/job_bundles/gsplat_pipeline)。该捆绑包将视频文件作为输入，并生成一个高斯飞溅文件作为输出`.ply`。下载输出后，你可以在任何 Gaussian Splatting 查看器中查看，例如。[SuperSplat](https://github.com/playcanvas/supersplat)

该管道运行的单个任务是：

1. 使用 [FFm](https://www.ffmpeg.org/) peg 提取视频帧。

1.  Structure-from-Motion 使用 [COLMAP](https://colmap.github.io/) 和 [GLOMAP](https://github.com/colmap/glomap) 求解，保存针孔模型和未失真的图像。

1. [使用 [nerF Studio splatfacto、Splatfacto in the Wild 或](https://docs.nerf.studio/nerfology/methods/splat.html) simple\_trainer.py g [splat 库示例训练高斯飞溅](https://docs.nerf.studio/nerfology/methods/splatw.html)。](https://docs.gsplat.studio/main/examples/colmap.html)输出将保存到您指定的`.ply`文件中。

要运行此捆绑包，请部署 [CUDA 群组 CloudFormation 模板](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/cloudformation/farm_templates/cuda_farm)来创建具有 CUDA GPU 队列的 Deadline Cloud 场。然后构建 [nerF Studio conda 软件包](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/conda_recipes/nerfstudio)并将其发布到你的 S3 conda 频道。

如果你只需要默认`NERFSTUDIO`（splatfacto）训练器，则不需要 CUDA 农场模板或自定义 nerF Studio conda 软件包。最低要求是具有 GPU 队列的 Deadline Cloud 场`conda-forge`、包含以下内容的队列环境以及以下 conda 软件包：`ffmpeg colmap glomap nerfstudio cuda`。

要捕捉可用的视频，请按照以下提示操作：
+ 使用较宽的视野，以便在图像对之间有更多共同的对象 Structure-from-Motion 可供使用。
+ 关闭视频防抖功能以在各帧之间保留相同的镜头光学效果。
+ 以缓慢而稳定的动作进行拍摄。继续移动摄像机，避免从一个位置停下来平移。

在示例存储库的`job_bundles`目录中，提交作业：

```
deadline bundle gui-submit gsplat_pipeline
```

在*Job-specific 设置*选项卡上，选择输入视频文件和输出`.ply`文件的路径。