PyTorch3D 立体隐式形状渲染：教你构建场景 3D 结构-FlyAI

PyTorch3D 立体隐式形状渲染：教你构建场景 3D 结构

PyTorch

最后更新 2021-03-16 15:59 阅读 19785

最后更新 2021-03-16 15:59

阅读 19785

PyTorch

![](https://rsrc.hyper.ai/2021/03/salaxof.jpg)
#### 内容导读

3D 深度学习一直是机器视觉领域的难点，为了准确高效地建立场景的立体模型，得到相对真实的渲染成果，行业内的一些大厂先后开源了自己的研发成果。

但是现实环境中，物体多以 3D 立体  结构 的形式存在，如何准确地提升 AI  系统对复杂现实环境的感知和理解能力，正确处理 3D 图像，正在成为日趋关键的技术难点。

![](https://rsrc.hyper.ai/2021/03/hlqj88aq.jpg)

2020 年 1 月 23 日，Facebook AI 发布了 PyTorch3D v0.1.0 版本。PyTorch3D 是 PyTorch 中经过优化的、高效、可重用组件库，它具有 3 大突出特点：高效、模块化和可微分，旨在简化在 PyTorch 中进行 3D 深度学习的难度。

PyTorch3D 中提供了 3D 算子和渲染两大组件。

在 3D 算子中，Fit Mesh 可以利用 3D  损失函数 ，把初始的通用形状变形为目标形状，并借助一些规则让目标形状变得更为流畅。而 3D 算子中的光束平差法（Bundle Adjustment），则提供了 cameras、transforms、so3  共计 3 个 API，根据给定相机的视角，形成对照相机视角的映射，从而推断场景的 3D 结构。

渲染则包括纹理网格渲染器（Render Textured Meshes）、DensePose 网格渲染器（Render DensePose Meshed）、彩色点云渲染器（Render Colored Pointclouds）等，借助这些渲染器，可以进一步优化形成的场景 3D 结构。

2020 年 2 月 6 日，PyTorch3D 相关代码在 GitHub 开源。经过 5 个版本的迭代后，2021 年 2 月 9 日，PyTorch3D 发布第 6 个公开版本 v0.4.0，新增隐函数、立体渲染和 NeRF 重新实现等功能，为 3D 深度学习研究提供了更迅速、更灵活的开源库。

![](https://rsrc.hyper.ai/2021/03/pcgximgj.gif)

图为 PyTorch3D logo 由 PyTorch3D 的隐式立体渲染器生成的

#### 隐式形状渲染（Implicit Shape Rendering）

隐式形状渲染是指基于输入场景的新视角，生成 3D 场景的真实渲染，其核心思想是利用神经网络与可微分渲染，重建 3D 场景表面的隐式形态，这使得仅依靠 2D 视图就可以学习 3D 场景中的几何形状。

进行隐式形状渲染需要几个关键组件，包括数据卷的抽象类（abstraction for volume data）以及可微分的隐式形状渲染器。

为了让行业从业者更容易地针对隐式形状渲染进行尝试，PyTorch3D 已经为用户提供了一系列常用的 3D 算子（3D operators）和损失函数，以及一个模块化、可微分的渲染 API。在指出核心可重用组件的同时，也提供了这些组件经验证的、标准化实现方法。

在 PyTorch3D v0.4.0 中，包括 5 个支持隐式形状渲染的新特性：

1、新增数据卷结构（Volumes data structure），支持 3D 卷的批处理和坐标框架之间的转换；

2、新增多个光线纹理实现方法：GridRaysampler, MonteCarloRaysampler, NDCGridRaysampler

3、新增多个 Raymarcher 实现方法：AbsorptionOnlyRaymarcher, EmissionAbsorptionRaymarcher

4、新增隐式渲染器（ImplicitRenderer）和体积渲染器（VolumeRenderer）API，构成 Raysampler 和 Raymarcher

5、新增多个效用函数，如点云到体积的可微分转换。

![](https://rsrc.hyper.ai/2021/03/hng1t3ag.gif)

利用 PyTorch3D 生成的甜甜圈 3D 图像
要使用这些新组件，可以借助一个模块化、文档完备的 NeRF 重新实现。

NeRF 是一个深度学习模型，由 Google Research 团队开发，旨在借助神经辐射场（Neural Radiance Fields）表示场景，从而进行视图合成（View Synthesis）。
NeRF 仅使用非结构化图像集合，就能合成复杂的 3D 场景图。
而改良版的 NeRF 重新实现，性能得到了极大提升，在保证输出图像质量的同时，比正式版本运行得更快。

![](https://rsrc.hyper.ai/2021/03/5c2ul0px.gif)

使用 PyTorch3D 的 NeRF 重新实现功能   生成了形状和光影复杂的 3D 图像示例

####教程（Fit Textured Volume）

我们基于 PyTorch3D GitHub 官方教程 Fit Textured Volume，进行了汉化和整理，演示如何在 PyTorch3D 中，利用可微分立体渲染，依据给定场景的一组视图，预测场景的立体结构。

用 Raymarching 构建场景 3D 立体结构 ing 本教程将介绍：

- 如何创建一个可微分的立体渲染器；
- 如何创建一个立体模型（包括如何使用 Volumes 类）；
- 使用可微分的立体渲染器，根据图像拟合立体结构；
- 将预测的立体结构可视化。

备注：限于篇幅有限，本文仅展示部分代码，查看完整代码请[点击此处](https://openbayes.com/console/openbayes/containers/oAYzp70wwPk/overview "点击此处")。

##### 安装和导入模块

确保已安装  torch   和  torchvision 。

如果没有安装  pytorch3d ，请安装。

##### 生成场景及 mask 的图像

以下代码将生成本次训练数据。它会通过  fit_textured_mesh.ipynb   教程，从多个角度渲染奶牛图像，并返回以下内容：

一系列由奶牛网格渲染器生成的图像及其剪影的  张量 ；与所有摄像机镜头一一对应的渲染器。

备注：在  generate_cow_renders   函数中实现网格渲染的工作原理请参考：
 fit_textured_mesh.ipynb 
```python
target_cameras, target_images, target_silhouettes = generate_cow_renders(num_views=40)
print(f'Generated {len(target_images)} images/silhouettes/cameras.')
```

##### 初始化体积渲染器

初始化体积渲染器会从目标图像的每个像素发出一条射线，并沿射线采样一组间隔均匀的点。与每个射线点相对应的密度值和色值，可通过查询场景的体积模型中的相应位置获得。

渲染器由一个 raymarcher  和一个 raysampler  构成。

raysampler  负责从图像像素中发射射线，并沿着射线对点进行取样。此处使用的是  NDCGridRaysampler ，它符合标准的 PyTorch3D 坐标网格规范。

raymarcher  获得射线采样的密度和颜色，并将所有射线渲染成光线源像素的颜色和不透明度值。此处使用的是  EmissionAbsorptionRaymarcher ，它实现了标准的  Emission-Absorption Raymarching    算法 。
```
# render_size 表示渲染图像各个边的像素大小，将其设置为与目标图像尺寸一致
# 也就是说将其渲染成与基准图像一样的尺寸
render_size = target_images.shape[1]

# 渲染场景以（0,0,0）为中心，被限定在一个边长约等于 3.0 (国际单位) 的边框内。
volume_extent_world = 3.0

# 1) 实例化 raysampler
# 此处 NDCGridRaysampler 会生成一矩形图像网格的射线，其坐标遵循 pytorch3d 坐标规定
# 由于此处设定的体积是 128^3，因此取样 n_pts_per_ray=150
# 大致相当于每个体素都有一个射线点
# 进一步设置 min_depth=0.1，因为相机平面内的所有表面都超过了 0.1 单位
raysampler = NDCGridRaysampler(
    image_width=render_size,
    image_height=render_size,
    n_pts_per_ray=150,
    min_depth=0.1,
    max_depth=volume_extent_world,
)

# 2) 实例化 raymarcher.
# 此处用的是标准 EmissionAbsorptionRaymarcher 
# 它会沿着每条射线前进
# 将每条射线都渲染成一个单一的 3D 颜色向量和一个不透明度标量
raymarcher = EmissionAbsorptionRaymarcher()

# 最后，用 raysampler 和 raymarcher 实例化体积渲染器
renderer = VolumeRenderer(
    raysampler=raysampler, raymarcher=raymarcher,
)
```

##### 初始化体积模型

接下来实例化场景的体积模型。这会使得 3D 空间量化为体积像素，其中每个体素都用体素 RGB 颜色的 3D 向量，和描述体素不透明度的密度标量（范围在 [0-1] 之间，数字越大不透明越高）来表示。

为了保证密度和颜色的取值范围在 [0-1] 之间，我们会在对数空间中表示体积颜色和密度。模型运行  forward   函数时， log-space   值会通过  sigmoid   函数传递，从而使得  log-space   值处于正确的取值范围。

此外，  VolumeModel   还包含渲染器对象。这个对象在整个优化过程中保持不变。

本部分代码还定义了  huber   损失函数，它可以计算出渲染色和 mask 之间的差异。

##### 体积拟合

这一步，我们用可微分渲染来进行体积拟合。

为了拟合体积，我们从  target_camera   的视角进行渲染，并将渲染结果与观察到的  target_images   和  target_silhouettes   进行对比。

这种对比是通过评估的  target_images/rendered_images   和  target_silhouettes/rendered_silhouettes   之间的平均 huber（smooth-l1）误差来完成的。

##### 将优化后的场景体积进行可视化

最后，旋转场景体积的 y 轴，从多个视点进行渲染，将优化后的体积进行可视化。

```
def generate_rotating_volume(volume_model, n_frames = 50):
    logRs = torch.zeros(n_frames, 3, device=device)
    logRs[:, 1] = torch.linspace(0.0, 2.0 * 3.14, n_frames, device=device)
    Rs = so3_exponential_map(logRs)
    Ts = torch.zeros(n_frames, 3, device=device)
    Ts[:, 2] = 2.7
    frames = []
    print('Generating rotating volume ...')
    for R, T in zip(tqdm(Rs), Ts):
        camera = FoVPerspectiveCameras(
            R=R[None], 
            T=T[None], 
            znear = target_cameras.znear[0],
            zfar = target_cameras.zfar[0],
            aspect_ratio = target_cameras.aspect_ratio[0],
            fov = target_cameras.fov[0],
            device=device,
        )
        frames.append(volume_model(camera)[..., :3].clamp(0.0, 1.0))
    return torch.cat(frames)
    
with torch.no_grad():
    rotating_volume_frames = generate_rotating_volume(volume_model, n_frames=7*4)

image_grid(rotating_volume_frames.clamp(0., 1.).cpu().numpy(), rows=4, cols=7, rgb=True, fill=True)
plt.show()
```

##### 结论

本教程中演示了如何优化场景的 3D 立体构造，使已知视点的体积渲染与每个视点的观测图像相匹配。

教程中的渲染是使用  NDCGridRaysampler   和   EmissionAbsorptionRaymarcher   构成的 PyTorch3D 立体渲染器完成的。

![](https://rsrc.hyper.ai/2021/03/d66b454.gif)
为 2D 图像构建有纹理的立体形状

本作品采用知识共享署名-非商业性使用-相同方式共享 4.0 国际许可协议进行许可，转载请附上原文出处链接和本声明。
本文链接地址：https://flyai.com/article/842

讨论

500字

表情

发送

删除确认

是否删除该条评论？

取消删除