本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

# 從截止日期雲端上的影片訓練 3D 高斯潑濺
<a name="examples-jb-gaussian-splatting"></a>

[gsplat\_pipeline](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/job_bundles/gsplat_pipeline) 任務套件會執行 [3D 高斯潑濺管道](https://aws.amazon.com/blogs/spatial/3d-gaussian-splatting-performant-3d-scene-reconstruction-at-scale/)。套件採用影片檔案做為輸入，並產生高斯潑濺`.ply`檔案做為輸出。下載輸出之後，您可以在 [SuperSplat](https://github.com/playcanvas/supersplat) 等任何高斯潑濺檢視器中檢視輸出。

管道會執行單一任務：

1. 使用 [FFmpeg](https://www.ffmpeg.org/) 擷取影片影格。

1. 使用 [COLMAP](https://colmap.github.io/) 和 [GLOMAP](https://github.com/colmap/glomap) Structure-from-Motion，儲存針孔模型和無失真影像。

1. 使用 [NeRF Studio splatfacto](https://docs.nerf.studio/nerfology/methods/splat.html)、[Wild 中的 Splatfacto](https://docs.nerf.studio/nerfology/methods/splatw.html) 或 [simple\_trainer.py gsplat 程式庫範例](https://docs.gsplat.studio/main/examples/colmap.html)來訓練高斯潑濺。輸出會儲存至您指定的`.ply`檔案。

若要執行此套件，請部署 [CUDA 陣列 CloudFormation 範本](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/cloudformation/farm_templates/cuda_farm)，以使用 CUDA GPU 機群建立截止日期雲端陣列。然後建置 [NeRF Studio conda 套件](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/conda_recipes/nerfstudio)，並將其發佈到您的 S3 conda 頻道。

如果您只需要預設 `NERFSTUDIO`(splatfacto) 訓練程式，則不需要 CUDA 陣列範本或自訂 NeRF Studio conda 套件。最低需求是具有 GPU 機群的截止日期雲端陣列、包含 的佇列環境`conda-forge`，以及下列 conda 套件：`ffmpeg colmap glomap nerfstudio cuda`。

若要擷取可用的影片，請遵循下列秘訣：
+ 使用寬廣的視野，以便在影像對之間有更多常用的物件，Structure-from-Motion。
+ 關閉影像穩定功能，以在影格之間保留相同的鏡頭光學。
+ 以緩慢且穩定的動作擷取。繼續移動攝影機，並避免從單一位置停止和平移。

從範例儲存庫的 `job_bundles`目錄中，提交任務：

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

在*任務特定設定*索引標籤上，選取輸入影片檔案和輸出`.ply`檔案的路徑。