3D Gaussian splatting - SuGaR , dockerfile 작성

깃허브 과정을 따라가면 쉽게 설치가능하다.

조금 더 쉽게 하기 위해 도커파일을 작성했다. 

 

# Use the base image with PyTorch and CUDA support
FROM nvidia/cuda:11.8.0-devel-ubuntu22.04

ENV DEBIAN_FRONTEND=noninteractive

SHELL ["/bin/bash", "--login", "-c"]
COPY --from=continuumio/miniconda3:23.10.0-1 /opt/conda /opt/conda
ENV PATH=/opt/conda/bin:$PATH
ENV TORCH_CUDA_ARCH_LIST="3.5;5.0;6.0;6.1;7.0;7.5;8.0;8.6+PTX"

# Update and install tzdata separately
RUN apt update && apt install -y tzdata
ENV PATH=/opt/conda/bin:$PATH

# Install necessary packages
RUN apt install -y git && \
    apt install -y libglew-dev libassimp-dev libboost-all-dev libgtk-3-dev libopencv-dev libglfw3-dev libavdevice-dev libavcodec-dev libeigen3-dev libxxf86vm-dev libembree-dev && \
    apt install wget && apt clean && rm -rf /var/lib/apt/lists/*

# Create a workspace directory and clone the repository
WORKDIR /workspace
RUN git clone https://github.com/Anttwo/SuGaR.git --recursive

# Create a Conda environment and activate it
WORKDIR /workspace/SuGaR

RUN conda env create --file environment.yml && conda activate sugar

WORKDIR /workspace/SuGaR/gaussian_splatting/submodules/diff-gaussian-rasterization
RUN pip install -e .

WORKDIR /workspace/SuGaR/gaussian_splatting/submodules/simple-knn
RUN pip install -e .

WORKDIR /workspace

 

docker run --runtime=nvidia --gpus all -it -d -v <로컬주소>:/data -p 8887:8887 --name sugar <이미지> /bin/bash

 

훈련부분만 가져온 것이기 때문에 시각화와 colmap을 통한 데이터셋 생성 부분은 3d gaussian splatting 공식 깃허브를 참고하길 바란다. https://github.com/graphdeco-inria/gaussian-splatting

 

아래 사진은 3d gaussian splatting을 nerfstuido로 시각화한 것이다. SuGaR은 자체 시각화 도구가 있다.  SuGaR는 3d gaussian splatting의 output으로부터 mesh를 생성하는 것인데, (obj파일을 얻을 수 있다.) 3d gaussian splatting의 결과물과 비교해봤을 때 texture에서 SuGaR가 더 뭉개지는 것을 확인했다.