【2023.07.26-2023.07.28】dreamfusion代码概况_perpneg

1.代码的整体逻辑

main.py: 根据部分命令行输入，补充其他参数。如使用的nerf类型，包括太极模块加速的nerf、instant ngp的multigrid ，还是一般的nerf。是训练模式还是测试模型，根据不同的需要将不同的dataloader作为参数传入Trainer类中。如果是训练模型，则需要选择guidance、优化器、学习率。guidance是使用四种（stable diffusion or deepfloyd or clip or zero123）中的哪些。优化器是使用adan\adam。学习率是固定还是变化。

nerf\utlis.py:主要定义Trainer类，train_step函数、train函数、test函数。train_step函数中定义loss的计算方式。loss分为三类已知视角loss、未知视角loss、正则化loss。已知视角的loss用颜色、mask、法线、相对深度分别计算。新视角loss用guidance模型计算，可选guidance模型是否用perpneg处理负样本问题。正则化损失主要根据是否选择用dmtet渲染构建。train函数中保存checkpoint\调用tensorboard\以epoch调用train_step。test函数主要是生成视频。

nerf\provider.py：主要构建dataloader，定义NeRFDataset类

nerf\render.py：定义NeRFRender类，run函数渲染场景，计算深度图、颜色,调用raymarching方法。run函数有四种写法,cuda版本、太极模块、dmtet，以及基础版本。

nerf\network.py:定义NeRFRender子类NeRFNetwork，NeRFNetwork实例会在nerf\utlis.py被调用render方法，得到场景sigma、颜色、法线一类。背景会被encoding,之后再送入网络得到rgb，最后和图像其他内容一起alpha blending。encoder通过在encoding文件中定义FreqEncoder_torch调用shencoder、frequency encoder、gridencoder等对应的编码器。

ldm：如果使用zero123作为guidance，则会被调用。

optimizer.py:主要定义Adan优化器

2.文章中使用的模型

1）ViT

2） stable diffusion

3）Perp-Neg

通过提高几何性质的分数来解决负prompt的问题的算法

4）zero-123

5）dmtet

------待做部分----

deep learning 4、5、7、8

-------utils.py中trainer部分-----

1.rgba and rgbs

rgb+alpha,rgb+sync.为什么需要两者

------deep learning-------

1.EMA exponentially decaying moving average

由于样本需要分批次送入模型，需要防止模型在某个patch中过拟合、进入局部最优

2.gradient clipping: 如果梯度超过某个区间，则强制设置梯度值为某个最大值或最小值

3.validation set：为了学习超参数

-------语法和使用-----------------

1.pytorch dataloader collate_fn collate function

默认：将mini-batches 的样本合并为tensor

用户可以自定义collate_fn获得custom batching,如在非第一维度的向量叠加样本，设计自定义数据类型。

2.pytorch自定义梯度更新方法

对torch.autograd.Function的子类调用apply函数：创建自定义autograd.Function的函数.

ctx:context onject, 用于储存反向传播计算的信息。

3. python @staticmethod

定义静态方法。静态方法不需要实例化，只需要function参数，与对象状态无关。

4.vscode

1）fuzzy searching

f.d,f.*d

Use regular expressions - Visual Studio (Windows) | Microsoft Learn

2）折叠代码

• 要操作光标所在文件中的所有代码块：

  • 折叠所有 Ctrl+K+0
  • 展开所有 Ctrl+K+J

• 仅仅操作光标所处代码块内的代码：

  • 折叠 Ctrl+Shift+[
  • 展开 Ctrl+Shift+]