神经辐射场（NeRF）是一个简单的全连接网络（权重约为5MB），经过训练，可以使用渲染损失再现单个场景的输入视图。网络直接从空间位置和观看方向（5D输入）映射到颜色和不透明度（4D输出），充当“体积”，因此我们可以使用体积渲染来渲染新视图.

1. 当我们下载github的NeRF后，最先去看下依赖配置文件 requirements.txt是否需要修改

# 1.conda创建虚拟环境NeRF 或者 复制新的环境B: conda create -n B --clone A
conda create -n NeRF python=3.8 
# 2.下载NeRF代码
git clone https://github.com/yenchenlin/nerf-pytorch.git
cd nerf-pytorch

2. 然后再安装编译此代码

# 如果下载依赖比较慢，那就加国内清华源 
pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

3. 下载数据集：

 https://drive.google.com/drive/folders/128yB1iW1IG_3NJ5Rp7APSTZsJqdJdfc1

# 下载lego和fern
bash download_example_data.sh

4.训练：run_nerf.py 

# 替换数据集 {DATASET} 用 trex | horns | flower | fortress | lego | etc.
python run_nerf.py --config configs/{DATASET}.txt

# 训练完成后会在logs/{DATASET}_test下生成视频文件
{DATASET}_test_spiral_迭代次数_rgb.mp4
{DATASET}_test_spiral_迭代次数_disp.mp4

比如训练lego：（原始train：val：test = 100：100：100）

python run_nerf.py --config configs/lego.txt   （16g/8显卡耗时：约19h）

分别在50k，100k，150k，200k迭代处保持视频结果。

5.测试：run_nerf.py  

# 替换数据集 {DATASET} 用 trex | horns | flower | fortress | lego | etc.
python run_nerf.py --config configs/{DATASET}.txt --render_only

比如测试lego：

python run_nerf.py --config configs/lego.txt --render_only  （16g/8显卡耗时：约8min）

 

 生成40张lego测试图片结果和一个视频文件。