随记

原文 K-Planes: Explicit Radiance Fields in Space, Time, and Appearance，又要换baseline，可是效果不好能怎么办呢，我可不可以发疯。k-planes的代码又是非常工程琐碎的，大佬的代码果然不顾小白死活。随便记录下整个过程。

代码记录

main.py

主要用于：加载config文件，data，初始化等

loda_data() # 加载数据
init_trainer()	# 初始化模型（包括k-planes loss function等各种）
load_model()

type有几个参数可选，其中phototourism等价于NeRF-W，video相当于动态场景，其他是静态；从line 70进入各种初始化步骤。

所有参数都初始化完毕后，开始训练

line 160      trainer.train()

base_train.py

一系列参数的初始化

还有损失函数的计算和优化

lowran_model.py

经过一系列跳转，在这个文件下进行KPlaneField，KPlaneDensityField，ProposalNetworkSampler等一系列采样和plane的生成和初始化操作，还有forward()函数，插值，query_rgb query_density。这里我只关心k-plane生成

kplane_field.py

1. 生成并初始化K-planes

最后生成以下k-planes：

2. Init appearance code-related parameters等价于NeRF-W（略）
3. Init decoder params： 对方向进行编码
4. 初始化decoder
这里有两种选择，使用论文中的线性解码器还是MLP，直接看else line189-217

video_trainer.py

其他的初始化都没那么重要，第二重要的loss，k-plane添加了很多正则化的loss，就在这个函数里进行初始化

需要注意的点

1. pytorch提供的插值函数需要将x归一化的[-1,1]之间
2. 损失函数的计算

记录一下求ray还是什么的区别，暂时没有很重要。不过原文里的这部分好像被删掉了，这里是在B站up那里截的图。