Upload render.py

render.py

@@ -0,0 +1,211 @@
+import os
+import torch
+from tqdm import tqdm
+from argparse import ArgumentParser
+import torchvision
+from pathlib import Path
+
+# 使用原代码中的模块
+from scene import Scene
+from gaussian_renderer import render, GaussianModel
+from arguments import ModelParams, PipelineParams
+
+
+def render_from_cameras(source_path, ply_path, output_dir, gpu_id=0, 
+                        white_background=False, sh_degree=3, resolution=1,
+                        use_train_cameras=False):
+    """
+    从指定的数据集和PLY文件渲染图像
+    
+    Args:
+        source_path: 数据集路径（包含相机参数，如sparse/0/或transforms_train.json）
+        ply_path: 训练好的PLY模型文件路径（可选，如果不提供则使用Scene中的默认加载）
+        output_dir: 渲染结果保存路径
+        gpu_id: 使用的GPU ID
+        white_background: 是否使用白色背景
+        sh_degree: 球谐函数阶数
+        resolution: 分辨率缩放因子
+        use_train_cameras: 是否使用训练集相机（默认使用测试集）
+    """
+    # 设置GPU
+    device = f'cuda:{gpu_id}'
+    torch.cuda.set_device(device)
+    
+    # 创建输出目录
+    output_path = Path(output_dir)
+    output_path.mkdir(parents=True, exist_ok=True)
+    
+    # 设置背景颜色
+    bg_color = [1, 1, 1] if white_background else [0, 0, 0]
+    background = torch.tensor(bg_color, dtype=torch.float32, device=device)
+    
+    # 构造参数对象（模拟ModelParams）
+    class SimpleArgs:
+        def __init__(self):
+            self.source_path = source_path
+            self.model_path = source_path  # 通常model_path和source_path相同
+            self.sh_degree = sh_degree
+            self.resolution = resolution
+            self.white_background = white_background
+            self.data_device = device
+            self.eval = True
+            self.images = "images"  # 默认图像文件夹名
+            self.load_allres = False
+    
+    args = SimpleArgs()
+    
+    # 初始化高斯模型
+    print(f"初始化高斯模型 (SH degree: {sh_degree})")
+    gaussians = GaussianModel(sh_degree)
+    
+    # 如果提供了外部PLY文件，先加载它
+    if ply_path and os.path.exists(ply_path):
+        print(f"从外部文件加载高斯模型: {ply_path}")
+        gaussians.load_ply(ply_path)
+        # 创建Scene但不让它加载PLY（通过设置load_iteration=None且不让Scene初始化gaussians）
+        scene = Scene(args, gaussians, load_iteration=None, shuffle=False)
+    else:
+        # 让Scene自动处理（会从point_cloud目录加载或从点云创建）
+        print(f"从数据集加载场景: {source_path}")
+        scene = Scene(args, gaussians, load_iteration=-1, shuffle=False)
+    
+    # 获取相机
+    if use_train_cameras:
+        cameras = scene.getTrainCameras(scale=resolution)
+        camera_type = "训练集"
+    else:
+        cameras = scene.getTestCameras(scale=resolution)
+        camera_type = "测试集"
+    
+    print(f"加载了 {len(cameras)} 个{camera_type}相机视角")
+    
+    # 创建pipeline参数（如果需要）
+    class SimplePipeline:
+        def __init__(self):
+            self.convert_SHs_python = False
+            self.compute_cov3D_python = False
+            self.debug = False
+    
+    pipeline = SimplePipeline()
+    
+    # 渲染每个相机视角
+    for idx, camera in enumerate(tqdm(cameras, desc="渲染进度")):
+        with torch.no_grad():
+            rendering = render(camera, gaussians, pipeline, background)["render"]
+        
+        # 保存图像
+        img_name = f"{camera.image_name}.png"
+        save_path = output_path / img_name
+        torchvision.utils.save_image(rendering, save_path)
+    
+    print(f"\n渲染完成！图像保存至: {output_path}")
+    print(f"共渲染 {len(cameras)} 张图像")
+
+
+def main():
+    parser = ArgumentParser(description="简化版3DGS渲染脚本")
+    
+    # 核心参数
+    parser.add_argument("--source_path", type=str, required=True, 
+                        help="数据集路径（包含sparse/、transforms_train.json或metadata.json）")
+    parser.add_argument("--ply_file", type=str, default=None,
+                        help="训练好的PLY模型文件路径（可选，不提供则从point_cloud/目录自动加载）")
+    parser.add_argument("--output_dir", type=str, required=True, 
+                        help="渲染结果保存路径")
+    parser.add_argument("--gpu_id", type=int, default=0, 
+                        help="使用的GPU ID，默认0")
+    
+    # 可选参数
+    parser.add_argument("--sh_degree", type=int, default=3, 
+                        help="球谐函数阶数，默认3")
+    parser.add_argument("--resolution", type=int, default=1,
+                        help="分辨率缩放因子，默认1（原分辨率）")
+    parser.add_argument("--white_background", action="store_true", 
+                        help="使用白色背景（默认黑色）")
+    parser.add_argument("--use_train_cameras", action="store_true",
+                        help="使用训练集相机（默认使用测试集）")
+    
+    args = parser.parse_args()
+    
+    # 打印配置信息
+    print("=" * 60)
+    print("3D Gaussian Splatting 渲染工具")
+    print("=" * 60)
+    print(f"数据集路径:     {args.source_path}")
+    print(f"PLY文件:       {args.ply_file if args.ply_file else '自动加载'}")
+    print(f"输出目录:       {args.output_dir}")
+    print(f"GPU ID:        {args.gpu_id}")
+    print(f"SH阶数:        {args.sh_degree}")
+    print(f"分辨率缩放:     {args.resolution}")
+    print(f"背景颜色:       {'白色' if args.white_background else '黑色'}")
+    print(f"相机类型:       {'训练集' if args.use_train_cameras else '测试集'}")
+    print("=" * 60)
+    print()
+    
+    render_from_cameras(
+        source_path=args.source_path,
+        ply_path=args.ply_file,
+        output_dir=args.output_dir,
+        gpu_id=args.gpu_id,
+        white_background=args.white_background,
+        sh_degree=args.sh_degree,
+        resolution=args.resolution,
+        use_train_cameras=args.use_train_cameras
+    )
+
+
+if __name__ == "__main__":
+    main()
+
+
+"""
+使用说明：
+=========
+
+1. 使用COLMAP格式数据集：
+python render_simple.py \
+    --source_path /path/to/dataset \
+    --ply_file /path/to/point_cloud.ply \
+    --output_dir ./output \
+    --gpu_id 0
+
+2. 使用Blender格式数据集：
+python render_simple.py \
+    --source_path /path/to/blender_dataset \
+    --ply_file /path/to/point_cloud.ply \
+    --output_dir ./output \
+    --white_background
+
+3. 自动加载已训练模型（不指定ply_file）：
+python render_simple.py \
+    --source_path /path/to/dataset \
+    --output_dir ./output
+
+需要的文件结构：
+================
+
+COLMAP格式：
+dataset/
+├── sparse/
+│   └── 0/
+│       ├── cameras.bin
+│       ├── images.bin
+│       └── points3D.bin
+└── images/
+    ├── img_001.jpg
+    └── ...
+
+Blender格式：
+dataset/
+├── transforms_train.json
+├── transforms_test.json
+└── train/
+    ├── r_0.png
+    └── ...
+
+如果使用自动加载（不指定--ply_file）：
+dataset/
+└── point_cloud/
+    └── iteration_30000/
+        └── point_cloud.ply
+"""