神经网络和深度学习（DATA620004）期末作业，任务3：基于NeRF的物体重建和新视图合成.

我们尝试重建了两个不同的物件：

• 宇航员小摆件（9张照片）

以及

• 乐高小汽车（23张照片）

使用COLMAP提供的GUI软件进行自动进行（sparse以及dense）点云重建：

可以得到：

cameras.bin
images.bin
points3D.bin

这三个二进制文件。

然后使用gen_poses.py把点云数据转换成llff的格式。

数据转换、模型训练、模型测试的过程都写在脚本main.sh当中。

训练好的模型在logs/astronaut/2000000.tar和logs/lego_car_dense/2000000.tar。更多的训练日志见logs/*。

最终渲染出了两个视频：

• 宇航员小摆件：效果很差，一方面可能是因为拍摄的过程中移动了物体。另外一方面可能是因为训练数据很少。

• 乐高小汽车：效果还可以，吸取了上次的教训我们这次没有移动物体，并且加大了训练数据量。还选取了和桌子对比度更高的黑色小汽车。