fly6516 c1152817c7 feat: 实现 NeRF 和 CNN 两种算法

- 新增 NeRF 和 CNN 的代码实现
- 添加实验报告和使用说明文档- 创建数据集说明文件
- 生成测试结果和可视化输出

2025-05-31 17:52:10 +08:00

3.6 KiB

Raw Blame History

NeRF和CNN实验数据集说明

1. NeRF数据集

NeRF算法需要多视角图像数据，推荐使用以下公开数据集：

Blender合成数据集

# 安装gdown下载工具
pip install gdown

# 下载Lego场景（示例）
gdown https://drive.google.com/uc?id=18JxhpWD-4ZmuEK22MTzM9c5YZZjr3RC6

# 解压数据
tar -xf lego.tar -C ../data/nerf/

数据目录结构应如下：

data/nerf/
└── lego/
    ├── images/        # 包含所有训练图片
    │   ├── r_00.png
    │   ├── r_01.png
    │   └── ...
    ├── poses_bounds.npy # 位姿和边界信息
    ├── transforms.json  # 训练用配置文件
    ├── transforms_test.json  # 测试专用配置文件
    └── results/         # 结果存储目录
        └── nerf/        # NeRF算法结果
            ├── pred_0.json  # 预测结果
            └── visualizations/  # 可视化图像
                └── vis_0.png

测试数据准备

测试时请确保包含以下内容：

images/：包含测试用图像文件
transforms_test.json：必须包含以下字段：

{
    "intrinsic": [[...]],  # 相机内参矩阵
    "frames": [             # 图像帧信息数组
        {
            "file_path": "test_00.png",  # 图片路径
            "transform_matrix": [...]    # 位姿变换矩阵
        },
        // ...其他帧数据...
    ]
}

模型输入说明

NeRF模型的输入是三维坐标(x, y, z)，通过位置编码扩展到更高维度。当前实现：

输入维度：3 (x, y, z)
位置编码：使用10个频率的正弦/余弦函数进行编码，输出维度为60
网络结构：三个全连接层(60 -> 256 -> 256 -> 4)
注意事项：确保测试数据生成的坐标维度与训练时一致

数据集验证

下载完成后，请验证transforms.json文件内容，确保包含以下必要字段：

{
    "intrinsic": [[...]],  # 相机内参矩阵
    "frames": [             # 图像帧信息数组
        {
            "file_path": "r_00.png",  # 图片路径
            "transform_matrix": [...]    # 位姿变换矩阵
        },
        // ...其他帧数据...
    ]
}

测试与可视化

测试完成后将生成以下内容：

预测结果保存在results/nerf/目录下的JSON文件中
可视化图像保存在results/nerf/visualizations/目录下，包含：
- 点云可视化（xy投影）
- RGB颜色分布

示例可视化输出：

data/nerf/
└── lego/
    └── results/
        └── nerf/
            └── visualizations/
                ├── vis_0.png  # 第一个测试样本的可视化
                └── vis_1.png  # 第二个测试样本的可视化

训练与测试脚本

# 训练NeRF模型（可选参数）
python nerf/train_nerf.py \
  --data_path ../data/nerf/lego \
  --batch_size 2 \
  --num_epochs 20

# 测试NeRF模型（可选参数）
python nerf/test_nerf.py \
  --data_path ../data/nerf/lego \
  --batch_size 2

训练完成后会在data/nerf/lego/checkpoint/目录下生成模型文件，预测结果会保存在data/nerf/lego/results/nerf/目录。

2. CNN数据集

CNN图像识别推荐使用CIFAR-10数据集，代码中已自动下载：

# 在cnn.py中会自动下载到data/cnn/目录
torchvision.datasets.CIFAR10(root='../data/cnn/', train=True, download=True)

数据预处理

# 图像尺寸统一（示例）
pip install opencv-python
python -c "import cv2; import os; [cv2.resize(cv2.imread(f), (256,256)) for f in os.listdir('../data/nerf/lego/images/') if f.endswith('.png')]"

3.6 KiB Raw Blame History Unescape Escape