Documents

纹理映射 纹理映射 (Texture Mapping) 是一种将物体空间坐标点转化为纹理坐标，进而从纹理上获取对应点的值，以增强着色细节的方法。 左：网格模型；右：纹理映射后的模型 纹理映射有以下四个步骤，但并不是每个都要使用，只是体现纹理映射可以被灵活操控，以获得我们想要的效果。 ...

0. 需求 修改meshroom未修改稠密点云的输出格式，需要在alicevision项目编译前修改代码 AliceVision/src/software/pipeline# vim main_meshing.cpp if(saveRawDensePointCloud) { ALICEVISION_LOG_INFO("Save dense point cloud before cut and filtering."); StaticVector<StaticVector<int>> ptsCams; delaunayGC.createPtsCams(ptsCams); sfmData::SfMData densePointCloud; createDenseSfMData(sfmData, mp, delaunayGC._verticesCoords, ptsCams, densePointCloud); removeLandmarksWithoutObservations(densePointCloud); if(colorizeOutput) sfmData::colorizeTracks(densePointCloud); sfmDataIO::Save(densePointCloud, (outDirectory/"densePointCloud_raw.abc").string(), sfmDataIO::ESfMData::ALL_DENSE); } // 修改 densePointCloud_raw.abc -> densePointCloud_raw.ply 1. Nvidia docker安装AliceVision host克隆alicevision项目 git clone --recursive https://github.com/alicevision/AliceVision.git cd AliceVision/ && git checkout v2.4.0 mkdir build && cd build cmake -DCMAKE_BUILD_TYPE=Release -DALICEVISION_USE_ALEMBIC=ON .. 装组件 参考AliceVision/CMakeLists.txt获得各组件的版本 下载编译或apt-get安装 -- Boost 1_76 found. 编译 -- OpenEXR found. (Version 2.5.8) 编译 可选： libjpeg-turbo-2.1.1 编译 -- OpenImageIO found. apt-get install libopenimageio-dev -- eigen3 3.4.0 编译（可选） -- git clone ceres-solver 编译 apt-get install libgoogle-glog-dev libgflags-dev libatlas-base-dev libeigen3-dev libsuitesparse-dev apt-get install libmetis-dev liblapack-dev libcxsparse3 libgflags-dev libgtest-dev -- geogram-1.7.6 编译 apt-get install libxinerama-dev libxcursor-dev apt-get install libglfw3 libglfw3-dev xlibmesa-glu-dev # https://stackoverflow.com/questions/8321628/compiling-error-cannot-find-lglu-and-lgl-in-kubuntu-linux -- alembic 编译 apt-get install zlib1g-dev make 编译 出现error,修改问题部分 make install 2. AliceVision docker安装AliceVision 下载docker image docker pull alicevision/alicevision-deps:cuda10.2-ubuntu18.04 克隆项目 git clone --recursive https://github.com/alicevision/AliceVision.git cd AliceVision/ && git checkout v2.4.0 mkdir build && cd build 安装依赖, 参考AliceVision/CMakeLists.txt获得各组件的版本 -- zlib 1.2.11 编译 编译项目 export AV_DEV=/opt/AliceVision_git && \ export AV_INSTALL=/opt/AliceVision_install && \ cmake -DCMAKE_BUILD_TYPE=Release -DALICEVISION_USE_ALEMBIC=ON \ -DOPENIMAGEIO_LIBRARY_DIR_HINTS:PATH=/opt/AliceVision_install/lib/ \ -DOPENIMAGEIO_INCLUDE_DIR:PATH=/opt/AliceVision_install/include/ \ -DOPENEXR_HOME:PATH=/opt/AliceVision_install/include/OpenEXR \ -DGEOGRAM_INSTALL_PREFIX:PATH=/opt/AliceVision_install/lib \ -DGEOGRAM_INCLUDE_DIR:PATH=/opt/AliceVision_install/include/geogram1 \ .. make 编译 出现error,修改问题部分 make install ...

遇到问题 使用PaddleOCR进行多卡训练的时候, 显示错误 server not ready, wait 3 sec to retry... not ready endpoints:['127.0.0.1:49741'] W0213 13:56:36.361328 41053 dynamic_loader.cc:258] You may need to install 'nccl2' from NVIDIA official website: https://developer.nvidia.com/nccl/nccl-downloadbefore install PaddlePaddle. Traceback (most recent call last): File "tools/train.py", line 145, in <module> main(config, device, logger, vdl_writer) File "tools/train.py", line 44, in main dist.init_parallel_env() File "/home/xxx/.conda/envs/paddle/lib/python3.8/site-packages/paddle/distributed/parallel.py", line 225, in init_parallel_env parallel_helper._init_parallel_ctx() File "/home/xxx/.conda/envs/paddle/lib/python3.8/site-packages/paddle/fluid/dygraph/parallel_helper.py", line 42, in _init_parallel_ctx __parallel_ctx__clz__.init() RuntimeError: (PreconditionNotMet) The third-party dynamic library (libnccl.so) that Paddle depends on is not configured correctly. (error code is libnccl.so: cannot open shared object file: No such file or directory) Suggestions: 1. Check if the third-party dynamic library (e.g. CUDA, CUDNN) is installed correctly and its version is matched with paddlepaddle you installed. 2. Configure third-party dynamic library environment variables as follows: - Linux: set LD_LIBRARY_PATH by `export LD_LIBRARY_PATH=...` - Windows: set PATH by `set PATH=XXX; (at /paddle/paddle/fluid/platform/dynload/dynamic_loader.cc:285) INFO 2022-02-13 13:56:37,879 launch_utils.py:320] terminate process group gid:41058 INFO 2022-02-13 13:56:41,884 launch_utils.py:341] terminate all the procs ERROR 2022-02-13 13:56:41,884 launch_utils.py:602] ABORT!!! Out of all 2 trainers, the trainer process with rank=[0] was aborted. Please check its log. INFO 2022-02-13 13:56:45,888 launch_utils.py:341] terminate all the procs INFO 2022-02-13 13:56:45,888 launch.py:311] Local processes completed. 推测错误是系统缺少nccl2导致的. ...

0. 背景 最近想整一个个人主页玩玩, 可是平时时间紧张, 所以需要一个建立之后, 可以快速编写博文或直接从我的笔记转换为博文, 并且需要能够快速简单的上传方式. ...

1. 体育赛事相关服务内容目 目前找到的，与媒体或体育赛事播放相关的人工智能内容生产服务大致有以下三种： 比赛视频内容标记和自动剪辑 WSC Sports 阿里云 百度云 VidPress 赛事自动拍摄 AIGC Veo Sports Camera 思锐科技 赛事之窗 比赛语音智能转化及生成 百度 Amazon SageMaker 其他 2. 比赛视频内容标记和自动剪辑 自动对于比赛直播的内容进行多模态识别，切片和标记，并在赛后实现的人工或自动快速剪辑。 ...

可行性分析 根据需求和调研，目前最佳的的方案的研究方向为：使用多个单目相机拍摄的照片实时获取3D人体姿态估计结果（multi-view 3D HPE）。不过，多视角的3D HPE可能无法达到50fps的效果。 可使用的数据集 多人多视角 可使用的模型 模型论文和源码 模型精度和选用的数据集 其他可行的方案是单一单目相机拍摄的照片进行多人3D HPE（single-view 3D MHPE），并使用bottom-up方法（预测耗时更少）或top-down方法（精度更高），相对于前者，可能遇到人体遮挡问题，但是对于数据的要求更低、消耗的计算资源更低。 可使用的数据集，所有数据集整理在：https://github.com/zczcwh/DL-HPE 多人单一视角 可使用的模型 模型论文和源码 模型精度和选用的数据集 ...

1. 导入点云数据文件 文件-导入-仅导入 导入需要的点云模型, 可以全选. 2. 处理点云数据 点云的选择方式有多种, 处于模型正上方快捷栏. 可以使用套索模式对点云不需要的点, 使用del键进行删减. (右键按住可以转动模型; ctrl+右键可以移动模型) ...

1. 背景 将人物从一张照片或视频中扣出, 并放入其他光照环境下的照片或视频中时会产生违和感, 那是因为背景中的光和照在人物身上的光的方向和亮度等信息并不相同. 为了使照在人物身上的光与背景光源的信息保持一致, 需要使用人像重照明 (portrait relighting) 技术. 而进行人像重照明任务的深度学习模型需要在不同光照环境下的人像照片数据, 所以需要搭建数据采集设备. ...