在自己的数据集上使用，请问bounds是什么？

[rexainn]

按照https://github.com/zju3dv/EasyVolcap/blob/main/docs/misc/static.md 教程进行，复制粘贴cfg之后看到需要改变bounds，但我根本不知道他是啥，又该怎么改变呢？

[rexainn]

请问对于bounds这个参数的定义是什么？这是在custom dataset上运行必须修改的吗？

[dendenxu]

Hi @rexainn 。欢迎使用我们的代码！ 在easyvolcap里 bounds是当前数据集的粗略包围盒（bounding box），默认的sampler会控制算法在这个包围盒里进行sample。我默认的bounding box设置的比较大，除非是在大规模数据集上跑算法，用默认的即可（删掉复制出来的config里的bounds条目用的就是默认的bounds了）

[rexainn]

感谢您的及时回复@dendenxu 。尝试之后，报了很多这种错误：

[dendenxu]

这个报错是因为python版本太低了，我没有特意支持过python3.7及以下的版本。推荐使用3.9或更高。当然这个位置的报错应该可以通过把这句话改成return [K] + list_of_imgs解决，您可以试一下

[rexainn]

@dendenxu 感谢！！还有几个小问题：

1. 现在对于每一个视频我都需要先train再render吗？
2. 有没有预训练模型可以用来直接render呢？因为在另一个issue中看到train的时间好像是24h起，每个视频都这样的话时间太长了。

[dendenxu]

我们有pretrained enerf模型，可以用于泛化的看novel view。

具体例子可以参考下面两个链接： https://github.com/zju3dv/EasyVolcap#inferencing-with-enerfi

https://github.com/zju3dv/EasyVolcap/blob/main/docs/misc/static.md#our-improved-enerf-implementation-and-generalization

这个文档里也有更详细的描述： https://github.com/zju3dv/EasyVolcap/blob/main/docs/projects/enerf.md

[rexainn]

您好！

1. 如果想要在我自己的多视角动态数据集上使用，我的每个视角也就是每个摄像机是固定的，对于每个摄像机有一个视频，这样的一个多视频数据集是不是该按照https://github.com/zju3dv/EasyVolcap/blob/main/docs/misc/custom_dataset.md 这个文档来准备数据集呢？
2. 这里面的多种校准方法是只要使用一种成功获取intri.yml和extri.yml之后就可以进行Video to Images->Segmentation->Space Carving这些流程了吗？
3. 这样操作后的数据集直接evc -c configs/exps/l3mhet/l3mhet_${expname}.yaml进行训练就可以了吧？还需要对数据集进行后续的修改吗？

[dendenxu]

对于1和2，只要能有标定结果就可以进行下面的流程了，您粘贴的文档里我们介绍了几种标定方法，当然您也可以通过其他方式获得相机参数，我们的相机参数文件里只有R T（外参）和K D（内参）是硬性要求。

对于3，您需要为自己的数据集创建一个对应的实验yaml文件，最好同时再创建一个dataset文件来分别管理他们。您粘贴的文档里有介绍相关的流程。

[rexainn]

您好，我现在的理解是在我自己的数据集上使用，对于从头训练和直接使用预训练模型渲染，vhulls、surfs、masks、bkgd都不是必须的？只要有images和intri、extri就可以进行对吧？额外增加这些步骤只是为了提高性能？

[rexainn]

以及python scripts/segmentation/inference_bkgdmattev2.py --data_root ${datadir}需要使用的torchscript_resnet101_fp32.pth并未上传

[dendenxu]

以及python scripts/segmentation/inference_bkgdmattev2.py --data_root ${datadir}需要使用的torchscript_resnet101_fp32.pth并未上传

分割网络需要去BackgroundMattingV2这里单独下载的。我们会在doc里把这点说的更清楚。

[dendenxu]

您好，我现在的理解是在我自己的数据集上使用，对于从头训练和直接使用预训练模型渲染，vhulls、surfs、masks、bkgd都不是必须的？只要有images和intri、extri就可以进行对吧？额外增加这些步骤只是为了提高性能？

是的，对于ngp和enerf这类算法，只有相机参数和图像是必须的。 对于只需要前景的数据，提供mask并加入mask loss可以获得更好更稳定的效果（您粘贴的文档里有介绍如何使用mask）。 获得mask之后，可以计算visual hull以获得更好的bounding box估计（use_vhulls=True），对于基于点云的方法visual hull也是一种初始化（例如4K4D和3DGS，其中3DGS在本仓库的main readme和static.md里都有介绍使用方式）。

[rexainn]

感谢您的回复！以及这两个yaml也找不到了。这个是用来计算vhull的那部分。

[dendenxu]

您好，我更新了doc，现在的example config的路径应该已经修复了。

感谢您的回复！以及这两个yaml也找不到了。这个是用来计算vhull的那部分。