自己動手使用AI技術實現數字內容生產
背景
今年以來以chatgpt為代表的大模型的驚艷表現徹底點燃了AICG這個領域的。各類gpt，各種AI作圖產品如雨后春筍般出現。每個成功產品的背后都是一個個精妙的算法，本篇文章給大家詳細介紹下如何使用一個手機拍攝若干張同一場景的照片，然后合成新視角，生成視頻的流程與代碼。本文使用的技術是NeRF(Neural Radiance Fields）,它是2020年以來出現的一種基于深度學習的3D重建方法，它通過學習場景的光線傳輸和輻射傳遞，能夠生成高質量的場景渲染圖像和3D模型。關于它的原理與文獻，我在最后有一個參考列表供大家學習。本文主要從代碼使用以及環境搭建的新角度介紹它。
環境搭建
environment.yml修改
本文使用的硬件環境是 GPU RTX3090,操作系統是windows 10.采用的軟件是開源的NeRF實現(https://github.com/cjw531/nerf_tf2)。由于RTX 3090需要CUDA 11.0及以上版本的支持，TensorFlow-gpu 需要2.4.0以及以上的支持,所以我們沒有選擇官方的https://github.com/bmild/nerf，因為bmild這個的環境使用的tensorflow-gpu==1.15，版本太久了。跑起來會有下面的問題https://github.com/bmild/nerf/issues/174#issue-1553410900，我在這個tt中也回復指出了需要升級到2.8。但是即便是使用https://github.com/cjw531/nerf_tf2，它的環境也是有點問題。首先由于它連接的國外的conda的channel,所以速度很慢。其次它的環境使用的是tensorflow==2.8沒有指明tensorflow-gpu的版本。針對這兩個問題。我們對environment.yml進行了修改。
# To run: conda env create -f environment.yml
name: nerf_tf2
channels:
- https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/conda-forge/
- conda-forge
dependencies:
- python=3.7
- pip
- cudatoolkit=11.0
- cudnn=8.0
- numpy
- matplotlib
- imageio
- imageio-ffmpeg
- configargparse
- ipywidgets
- tqdm
- pip:
- tensorflow==2.8
- tensorflow-gpu==2.8
- protobuf==3.19.0
- -i https://pypi.tuna.tsinghua.edu.cn/simple啟動conda環境
打開cmd,然后輸入下面的命令。
conda env create -f environment.yml將nerf_tf2加入到jupyter中，這樣使用jupyter能很方便的查看系統的運行結果。
// 安裝ipykernel
conda install ipykernel//是該conda環境在jupyter中顯示
python -m ipykernel install --user --name 環境名稱 --python -m ipykernel install --user --name 環境名稱 --display-name "jupyter中顯示名稱"display-name "jupyter中顯示名稱"//切換到項目目錄
cd 到項目目錄
//激活conda環境
activate nerf_tf2
//在cmd啟動jupyter
jupyter notebook至此conda環境以及jupyter準備就緒。
數據準備
- 下載并安裝colmap,我的環境是windows(https://demuc.de/colmap/#download)
- 使用https://github.com/fyusion/llff提供的imgs2poses.py實現自己相機拍攝的圖片的相機內外參數的獲取，比如我們的拍攝了10張圖片，它們放置的目錄位置很講究，D:/LanJing/AI/LLFF/data/images,也就是說一定要放在images子目錄下面。而你傳入的參數是python imgs2poses.py D:/LanJing/AI/LLFF/data。因為它的代碼里面的images_path的寫法是這個樣子（https://github.com/Fyusion/LLFF/blob/master/llff/poses/colmap_wrapper.py#L28）
手機拍攝的圖片樣例
feature_extractor_args = [
'colmap', 'feature_extractor',
'--database_path', os.path.join(basedir, 'database.db'),
'--image_path', os.path.join(basedir, 'images'),
'--ImageReader.single_camera', '1',
# '--SiftExtraction.use_gpu', '0',
]
python imgs2poses.py <your_scenedir>
運行完imgs2poses.py文件后，生成了sparse目錄、colmap_out.txt、database.db、poses_bounds.npy,然后我們在nerf_tf2項目下創建新目錄data/nerf_llff_data/ll,將上面的sparse目錄以及poses_bounds.npy復制到這個目錄下。最后我們再配置個新文件config_ll.txt。至此我們的數據準備工作完成了。
expname = ll_test
basedir = ./logs
datadir = ./data/nerf_llff_data/ll
dataset_type = llff
factor = 8
llffhold = 8
N_rand = 1024
N_samples = 64
N_importance = 64
use_viewdirs = True
raw_noise_std = 1e0訓練
將開源軟件遷移到windows平臺上。
由于此開源軟件主要是支持mac和linux,它無法在windows運行，需要對load_llff.py的修改。
load_llff代碼遷移
運行300000次批量訓練。
activate nerf_tf2
python run_nerf.py --config config_ll.txt測試
render_demo的運行
效果
由于我們使用的輸入圖片有些少，只有10張，所以運行出來的效果不是很好，但是整體的流程是一樣。tips:官方的代碼里面使用的一半都是30，甚至100張圖片。
我們的效果
一個新視角的渲染
官方效果
fern官方合成新視角效果
參考資料
https://zhuanlan.zhihu.com/p/554093703。
https://arxiv.org/pdf/2003.08934.pdf。
https://zhuanlan.zhihu.com/p/593204605。
https://inst.eecs.berkeley.edu/~cs194-26/fa22/Lectures/nerf_lecture1.pdf。
