如何快速上手Street Gaussians？从安装到渲染的完整教程

如何快速上手Street Gaussians？从安装到渲染的完整教程

【免费下载链接】street_gaussiansCode for "Street Gaussians for Modeling Dynamic Urban Scenes"项目地址: https://gitcode.com/gh_mirrors/st/street_gaussians

Street Gaussians是一个用于动态城市场景建模的开源项目，能够帮助用户高效地构建和渲染复杂的城市环境。本教程将带你从安装到渲染，快速掌握Street Gaussians的核心功能，让你轻松上手动态城市场景建模。

一、准备工作：环境搭建与依赖安装 🛠️

1.1 克隆项目仓库

首先，需要将项目代码克隆到本地。打开终端，执行以下命令：

git clone https://gitcode.com/gh_mirrors/st/street_gaussians cd street_gaussians

1.2 安装依赖包

项目的依赖信息在requirements.txt中，使用pip命令安装所需依赖：

pip install -r requirements.txt

1.3 安装子模块

项目包含多个子模块，需要初始化并更新：

git submodule update --init --recursive cd submodules/diff-gaussian-rasterization pip install . cd ../simple-knn pip install . cd ../../

二、项目核心功能与架构解析 🔍

Street Gaussians采用了先进的场景表示和渲染技术，其核心架构如图所示：

从图中可以看出，项目主要包括几何模型、动态外观模型、背景模型和对象模型等部分，通过Composition模块进行整合，最终实现基于点的渲染。

三、数据准备：Waymo数据集处理 📊

3.1 下载Waymo数据集

Street Gaussians主要基于Waymo数据集进行训练，需要先下载Waymo Open Dataset。

3.2 数据转换

使用项目提供的转换脚本将Waymo数据转换为项目所需格式：

python script/waymo/waymo_converter.py --input_path /path/to/waymo_data --output_path ./data/waymo

四、模型训练：快速启动训练流程 🚀

项目提供了训练脚本script/train_waymo_example.sh，可以快速启动训练：

bash script/train_waymo_example.sh

该脚本会加载默认配置文件configs/default.yaml，并使用Waymo数据集进行训练。你也可以根据需要修改配置文件中的参数，如训练轮数、学习率等。

五、场景渲染：生成高质量城市场景 🌟

训练完成后，可以使用渲染脚本script/render_waymo_example.sh生成城市场景渲染结果：

bash script/render_waymo_example.sh

渲染结果将保存在指定的输出目录中，你可以查看生成的渲染图像、分解结果和语义地图等。

六、常见问题与解决方案 ❓

6.1 安装子模块失败

如果安装子模块时出现错误，可以尝试手动安装：

cd submodules/diff-gaussian-rasterization python setup.py install cd ../simple-knn python setup.py install cd ../../

6.2 训练过程中内存不足

可以减少批次大小或降低模型复杂度，修改配置文件中的相关参数。

通过以上步骤，你已经掌握了Street Gaussians的基本使用方法。开始探索动态城市场景建模的乐趣吧！

【免费下载链接】street_gaussiansCode for "Street Gaussians for Modeling Dynamic Urban Scenes"项目地址: https://gitcode.com/gh_mirrors/st/street_gaussians