前言：作者正好因为动画、模拟仿真等等的重大需求需要预先研发离散形的模型Mesh的形变算法，并且要验证、研究适用的范围、特别是性能等等，摸着石头过河别喷，毕竟我主要是渲染、动画、引擎的对于计算几何、三维重建不是很熟悉，特别是对于一些动画的形变。对于一个三角形网格的变形(Deformation)算法应该满足下面两个基本条件能够隐藏于交互界面之后效率足够高以满足交互需求对于形变根据《Polygonmeshprocessing》第九章形变的描述，形变大体分为了两种：空间变形(SpaceDeformations)：即对曲面的变形是隐式的。因为计算不依赖于三角形网格曲面S，所以其不受网格复杂度和质量的影响
train_nerf.pyimportmainconfig内容modelclassRadianceFieldRendererdef__init__分"coarse","fine"设置函数ifrender_pass=="coarse":raysamplerclassNeRFRaysamplerself._rendererself._implicit_functionclassNeuralRadianceField定义谐波函数定义mlp_xyz用MLPWithInputSkips定义中间层self.intermediate_linear定义密度层self.density_layer，用于输出密度定
AD-NeRF由音频和人脸图像合成人脸视频并表现出自然的说话风格flyfish合成高保真音频驱动的面部视频序列在数字人类、聊天机器人和虚拟视频会议等许多应用中是一个重要而具有挑战性的问题。将语音头部的生成过程视为从音频到视觉人脸的跨模态映射，期望合成的人脸图像表现出自然的说话风格，同时同步与原始视频相同的照片真实感的流媒体结果。环境：Ubuntu18.04NVIDIADriverVersion:440.33.01CUDAVersion:10.2cuda-repo-ubuntu1804-10-2-local-10.2.89-440.33.01_1.0-1_amd64libcudnn8_8.0.3
AD-NeRF由音频和人脸图像合成人脸视频并表现出自然的说话风格flyfish合成高保真音频驱动的面部视频序列在数字人类、聊天机器人和虚拟视频会议等许多应用中是一个重要而具有挑战性的问题。将语音头部的生成过程视为从音频到视觉人脸的跨模态映射，期望合成的人脸图像表现出自然的说话风格，同时同步与原始视频相同的照片真实感的流媒体结果。环境：Ubuntu18.04NVIDIADriverVersion:440.33.01CUDAVersion:10.2cuda-repo-ubuntu1804-10-2-local-10.2.89-440.33.01_1.0-1_amd64libcudnn8_8.0.3
三角网格的数据结构：(1).描述顶点位置的信息，V={v1,v2,…,vn}V=\{v_1,v_2,\dots,v_n\}V={v1,v2,…,vn}。其中vi∈R3v_i\inR^3vi∈R3。(2).描述三角面片的信息，F={f1,f2,…,fm}F=\{f_1,f_2,\dots,f_m\}F={f1,f2,…,fm}。其中fif_ifi表示顶点的位置索引除了这些必要信息，还可以包含诸如法向、纹理坐标等附加信息。1.obj数据结构比如应用最广泛的OBJ文件格式，表示一个立方体的文件内容如下：file:cube.obj#Listofgeometricvertices,wit
简介主页：https://jonbarron.info/mipnerf360/Mip-NeRF通过基于圆锥体的渲染方式解决了原始NeRF对不同距离视角场景建模的混叠问题，并提高了渲染的速度，但是在关于无界场景的重建问题上，由于相机不规则的指向以及场景点的极远距离，使得Mip-NeRF的渲染效果还是有待改进。将类似NeRF的模型应用于大型无界场景会引发三个关键问题：参数化问题。mip-NeRF要求将3D场景坐标映射到有界域，所以无界的360度的场景会占据无穷大的欧式空间区域。效率问题。巨大且细节化的场景需要巨大的网络容量，所以在训练期间，频繁地沿每条射线去查询巨大的MLP网络会产生巨大的消耗。歧
前言零零碎碎的东西太多，有必要统一记录一下，因为是回忆步骤，所以可能有不准确的地方Colmap的使用1.下载下载链接:colmap，下载之后直接解压就能使用，点击COLMAP.bat。2.colmap这里到处都是很详细的操作步骤，可以自行搜索，顺序是：File→Newproject：选择一个路径存放数据库，生成database.dbProcessing→Featureextraction：提取图像特征。提取特征后，可以选择要不要修改相机内参，如果你的相机内参已知，可以使用如下链接修改相机内参，此处记录方法名为blender_camera2colmap.py，修改之后选择Processing→D
保证环境中最好只有这两台路由器，主路由和子路由将子路由器回复出厂设置：按下reset键10s，一直看到后面网口灯闪烁一下，就可以松开reset。（一定要等到闪烁再松开）子路由器上除了电源线，啥网线都不要接。等待子路由器指示灯变为红灯常亮，再执行下一步。在主路由器的网页端输入192.168.1.1打开管理界面，确认以下两个条件：4.1路由设置-易展按键-开启状态4.2路由设置-软件升级-处于最新版本网页端右上角点击添加新路由，按一下子路由的-P易展键,随即再点主路由器网页端的我已按下“易展“按键，主路由器会进入搜索模式。这时两台路由器都红灯闪烁。等等等。。。主路由器网页端出现一个列表，列写了附近
目录前言LumaAINeRF手机App是什么？支持iPhone11或以上机型参考链接前言最近在做利用手机数据采集驱NeRF进行三维重建，调研到LumaAI这家公司，是一个很有代表性NeRF商业化公司。以前有部分手机的相册自带3D建模功能，其原理就是使用后置相机把要建模的对象“扫描”一遍，而且还需要360°全方位扫描，最后手机就会生成一个3D模型文件以及预览。出于好奇，小雷以前就用手机体验过，但效果实在是太拉胯，模型面很粗糙，精度也是几乎没有。不过当时手机性能不强，摄像头素质也远不如今天的产品，所以建模效果就很差。在快速建模里，NeRF也算是代表了，在专业影视、游戏等领域用的比较多，但早期的Ne
相机模型x=PX→x=K[R∣t]X→zc[uv1]=[kx0u00kyv0001][R∣t][xcyczc]x=PX\rightarrowx=K[R|t]X\rightarrowz_c\begin{bmatrix}u\\v\\1\end{bmatrix}=\begin{bmatrix}k_x&0&u_0\\0&k_y&v_0\\0&0&1\\\end{bmatrix}[R|t]\begin{bmatrix}x_c\\y_c\\z_c\end{bmatrix}x=PX→x=K[R∣t]X→zcuv1=kx000ky0u0v01[R∣t]xcyczcxxx表
