Skip to content

Latest commit

 

History

History
42 lines (40 loc) · 1.81 KB

2.读HashNeRF-pytorch项目---理解gnp的hash编码原理.md

File metadata and controls

42 lines (40 loc) · 1.81 KB
Raw

读HashNeRF-pytorch项目---理解gnp的hash编码原理

HashNeRF-pytorch项目是基于nerf-pytorch项目的，我把它合并在一起看代码变更，就一目了然

一. 提出问题

  1. 怎么进行位置编码？
  2. 神经网络怎么简化？

二. 代码修改，应该给出diff文件

  1. run_nerf.py的config_parser增加了两个选项，用来切换编码方式
    • i_embed （set 1 for hashed embedding, 0 for default positional encoding, 2 for spherical）
    • i_embed_views （set 1 for hashed embedding, 0 for default positional encoding, 2 for spherical）
    • finest_res （finest resolultion for hashed embedding）
    • log2_hashmap_size （log2 of hashmap size）
    • sparse-loss-weight （learning rate）
    • tv-loss-weight （learning rate）
  2. 加载数据返回bounding_box：load_llff_data，load_blender_data 
     #load_blender.py
 bounding_box = get_bbox3d_for_blenderobj(metas["train"], H, W, near=2.0, far=6.0)
  3. run_nerf.py：create_nerf创建hash编码和神经网络
    • 如果是hash编码：要返回参数来训练：embedding_params
    • 如果是hash编码：就创建NeRFSmall网络
  4. 增长hash_encoding.py：定义哈希编码class HashEmbedder和球面编码class SHEncoder
    • 编码本身就是神经网络
    • 默认参数
      • n_levels=16,
      • n_features_per_level=2,
      • log2_hashmap_size=19,
      • base_resolution=16,
      • finest_resolution=512
  5. run_nerf_helpers.py中NeRFSmall的定义，就更少的层数

三. 就是看懂class HashEmbedder（未完成）

embed = HashEmbedder(bounding_box=args.bounding_box, \
                    log2_hashmap_size=args.log2_hashmap_size, \
                    finest_resolution=args.finest_res)
out_dim = embed.out_dim

class HashEmbedder