阅读量:0
代码复现的框架是基于：pengsida 的 Learning NeRF
源代码框架是基于 Linux 的，我在 Windows 上进行复现有些许 bug，Windows 上 bug 修复的框架版本：Learning NeRF
希望各位可以通过学习 NeRF-Pytorch 的源码来自己复现一下试试看！
文章目录
1 创建Dateset
核心函数包括：init，getitem，len
init函数负责从磁盘中load指定格式的文件，计算并存储为特定形式getitem函数负责在运行时提供给网络一次训练需要的输入，以及 groundtruth 的输出例如对NeRF，分别是1024条 rays 以及1024个 RGB 值
len函数是训练或者测试的数量：getitem函数获得的index值通常是[0, len-1]
1.1 __init__
这里我们主要要做3件事（公平公平还是tmd公平）
加载图像数据和相机位姿信息：
从磁盘中读取指定格式的文件，这些文件包含了图像路径和相机位姿信息，位姿保存在
self.poses从图片路径保存图片，并根据参数进行处理（白色背景+缩放比例）
最后，将处理后的图像添加到
self.images列表中
计算相机内参：
- 根据相机的视场角（FOV）和图像尺寸计算相机的焦距和相机矩阵
生成射线数据：
首先，对于每一个位姿，使用
rh.get_rays_np函数生成射线，并将所有射线堆叠起来然后，将射线和图像数据合并，并进行一系列的变换和重塑操作形成形状为
[N, H, W, ro+rd+rgb, 3]的numpy数组rays_rgbN是图像的数量H是图像的高度W是图像的宽度ro+rd+rgb表示每个射线的数据，包括射线的起始点（ro）、射线的方向（rd）和射线对应的像素颜色（rgb）3表示每个数据都是一个三维向量（例如，rgb颜色是一个三维向量，包含红色、绿色和蓝色的强度）
表示有
N*H*W条射线，每条射线有3个数据（ro、rd、rgb），每个数据都是一个三维向量存储打乱前的射线
img_rays_rgb, 一张一张图片存储的，没有整合在一起 ，形状为[N, H*W, ro+rd+rgb, 3]，再转换为 Tensor
1.2 __getitem__
1.2.1 训练数据
主要功能是负责在运行时提供给网络一次训练需要的输入，以及 groundtruth 的输出 —— N_rays条rays和N_rays个RGB值 （ N_rays = 1024）
将所有的光线（rays）和对应的RGB值整合到一个数组中，然后将这个数组的形状从
[N, H, W, ro+rd+rgb, 3]改变为[-1, 3, 3]，即将所有的光线和RGB值平铺到一个一维数组中得到[N*H*W, ro+rd+rgb, 3]，并转为 Tensor对所有的光线和RGB值进行打乱，这里使用GPU加速了一下
打乱后，根据索引
index选择一个批次（1024条）的数据，再将批次的维度从第二位转换到第一位（[1024,3,3]to[3,1024,3])在PyTorch中，通常希望批次维度在第一位，以便于进行批次处理
将选择的数据分为两部分：光线的数据（
batch_rays）和对应的RGB值（target_s），并以字典的形式返回return {'H': self.H, 'W': self.W, 'K': self.K, 'near': self.near, 'far': self.far, 'rays': batch_rays, 'target_s': target_s}
1.2.2 测试数据
在测试时，输出一张图像的 rays 和 RGB 值，即 400 * 400 条 rays 和 400 * 400 个 RGB 值
从
self.img_rays_rgb中根据索引index获取一张图片的光线使用
torch.transpose函数将批次的维度从第二位转换到第一位（[1024,3,3]to[3,1024,3])在PyTorch中，通常希望批次维度在第一位，以便于进行批次处理
将数据分解为射线数据
rays和对应的RGB值img_rgb；rays包含了每条射线的起始点和方向，img_rgb是每条射线对应的RGB值返回一个字典，包含了射线数据和对应的RGB值，以及对应的图片索引
indexreturn {'H': self.H, 'W': self.W, 'K': self.K, 'near': self.near, 'far': self.far, 'rays': rays, 'target_s': img_rgb, 'index': index}
通过data_loader我们可以得到一个batch：
train：
test：
1.3 __len__
返回数据集的大小，即数据集中的样本数量，即图像的数量
2 Network
核心函数包括：__init__，__forward__
init函数负责定义网络所必需的模块forward函数负责接收Dataset的输出，利用定义好的模块，计算输出
对于NeRF来说，我们需要在init中定义两个 MLP 以及 encoding 方式，在forward函数中，使用rays完成计算
定义了两个主要的神经网络模型：NeRF 和 Network
2.1 NeRF 类
NeRF 类是NeRF的实现。它的结构包括了用于处理采样点和观察坐标方向的一系列MLP，以及相应的参数。主要方法是 forward，用于执行前向传播操作
结构
__init__方法中定义了模型的各种参数和MLPforward方法实现了模型的前向传播逻辑，分别计算了辐射值和密度值，返回output——将rgb和alpha两个张量在最后一个维度上进行拼接outputs = torch.cat([rgb, alpha], -1)
2.2 Network 类
Network 类是整个神经网络的集成，其中包括了对 NeRF 模型的调用以及render的实现，完成模型的调用和计算模型产生的预估值（即在这部分完成渲染）
结构
__init__方法中初始化了整个网络模型，包括定义了两个NeRF模型（一个粗网络和一个精细网络），并根据配置参数进行设置batchify方法用于将函数应用于较小的批次数据network_query_fn方法，即网络查询函数，准备输入并将其传递给网络，并输出结果，使用batchify将一批一批的数据传入NeRF网络进行forwardforward方法，从batch中得到dataloader的数据，调用render函数：- 计算并创建射线，使用
render_utils中的batchify_rays进行放入网络得到结果，再渲染射线得到render_rays返回的字典（即最后的结果）：
- 'rgb_map' (torch.Tensor): 每条光线的估计 RGB 颜色。形状：[num_rays, 3]。 - 'disp_map' (torch.Tensor): 每条光线的视差图（深度图的倒数）。形状：[num_rays]。 - 'acc_map' (torch.Tensor): 沿每条光线的权重总和。形状：[num_rays]。 - 'rgb0' (torch.Tensor): 粗模型的输出 RGB。见 rgb_map。形状：[num_rays, 3]。 - 'disp0' (torch.Tensor): 粗模型的输出视差图。见 disp_map。形状：[num_rays]。 - 'acc0' (torch.Tensor): 粗模型的输出累积不透明度。见 acc_map。形状：[num_rays]。 - 'z_std' (torch.Tensor): 每个样本沿光线的距离的标准差。形状：[num_rays]。再对结果进行整理得到一个列表
- 计算并创建射线，使用
通过dataloader的batch传入网络，最终得到整理后的结果：
一个包含了所有渲染结果和相关信息的列表
前面 0、1、2 对应 'rgb_map'、'disp_map'、'acc_map'
所有张量类型如下
dtype = torch.float64 device = device(type='cuda', index=0) 2.3 Render
增加 render_utils，并修改 raw2outputs()、render_rays() 函数使数据移动至 cuda 进行计算
3 Loss & Evaluate
3.1 Loss
loss 模块主要为 NetworkWrapper 的类。forward 方法即是 loss 计算的过程。
- 方法中，首先通过
self.net(batch)调用传入的神经网络模型进行预测 - 然后计算预测的RGB值与目标RGB值之间的MSE，并将其转换为PSNR。如果输出中包含rgb0（即包含粗网络预测的值），则还会计算粗网络的预测值RGB与目标RGB值之间的MSE和PSNR。
- 最后，将所有的统计量（包括PSNR和损失）添加到scalar_stats字典中，并返回。
3.2 Evaluate
evaluate 模块在这个项目中主要用于评估模型的性能。并将评估结果保存为图像文件和JSON文件。
- 首先从模型的输出和批次数据中获取预测的RGB值和真实的RGB值
- 计算均方误差（MSE）和峰值信噪比（PSNR）
- 将预测的RGB值和真实的RGB值重塑为图像的形状。再将真实的RGB值和预测的RGB值水平拼接在一起，并保存为图像，形成对比
