3DGS代码运行具体流程（部署在远程ubuntu22.04服务器）

3DGS官方代码：GitHub - graphdeco-inria/gaussian-splatting: Original reference implementation of "3D Gaussian Splatting for Real-Time Radiance Field Rendering"
可以在服务器相应位置直接实行：

1. git clone git@github.com:graphdeco-inria/gaussian-splatting.git --recursive

复制代码

完成代码的clone后，conda环境的配置
直接根据environment.yml，直接实行即可，这步不做赘述；
之后实行train.py需要数据集-s，直接去下面这个网址下载，然后放到gaussian-splatting路径下（可以新建一个data/input的文件夹，放到这里面）：

1. [T&T+DB COLMAP (650MB)](https://repo-sam.inria.fr/fungraph/3d-gaussian-splatting/datasets/input/tandt_db.zip)

复制代码

T&T+DB COLMAP (650MB) 这个数据集：包罗了4个场景的图片，并已经通过convert.py举行colmap转换。可以直接用来做train.py训练测试。
放好数据之后就可以举行训练了：

1. python train.py -s XXX\tandt_db\db\playroom -m XXX\data/output

复制代码

注意这里需要选择一个特定的场景，例如这儿是playroom; -m指定输出的路径
之后就可以训练了，大概需要20多分钟。
当然在这个过程中，作者提供了训练过程可视化的工具SIBR_gaussianViewer
这个工具的下载在README里面也说得很清楚了，需要根据你服务器的版原来，例如我的ubuntu22.04，就是下面的操作：

1. You will need to install a few dependencies before running the project setup.
2. ```shell
3. # Dependencies
4. sudo apt install -y libglew-dev libassimp-dev libboost-all-dev libgtk-3-dev libopencv-dev libglfw3-dev libavdevice-dev libavcodec-dev libeigen3-dev libxxf86vm-dev libembree-dev
5. # Project setup
6. cd SIBR_viewers
7. cmake -Bbuild . -DCMAKE_BUILD_TYPE=Release # add -G Ninja to build faster
8. cmake --build build -j24 --target install
9. ```

复制代码

依次实行就好了（其他版本参考README）
安装好之后，在训练中可以再开一个终端，进入gaussian目录下实行指令：

1. ./SIBR_viewers/install/bin/SIBR_gaussianViewer_app -m data/output

复制代码

如许就能查看可视化了。

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。