训练之前，会先提取2种特征，
一种是每张图片的image encoding, 它的size是(64,64)，代表每个像素处的特征向量。这个向量用于特征匹配（选中的目标和每个像素的相似度）。
一种是SAM提取的所有mask（用于盘算mask地点目标的特征向量）。
extract_features.py提取的是SAM模型predictor.set_image的image encoding (1,256,64,64)
extract_segment_anything提取的是SAM的generate产生的主动mask
这里保存每张图片所有mask, float情势，resize到(200,200), 原图是(1024,1024).
SAM用法：
predictor.predict猜测的是含有prompt的mask, 而generate是主动产生所有mask.
训练3DGS的语义特征在traiin_contrastive_feature.py
3DGS模型的每个点增长语义特征
feature_dim=32
只不外Scene里面有一个gaussians还有一个feature_gaussians, 刚开始都是load scene_point_cloud.ply(3DGS)，后面只用feature_gaussians，gaussians会删除。
feature_gaussians里面的get_point_features(807321,32), 这应该是每个点的语义特征.
get_features(807321,16,3) 这个是颜色特征，包括了feature_dc(SH颜色) 和feature_rest
语义feature初始化为随机数：
[code][/code]
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。 |
