Hướng Dẫn Thiết Lập & Chạy Gaussian Splatting (Full Pipeline Tự Động Qua SSH)

Bởi

# 🚀 Hướng Dẫn Thiết Lập & Chạy Gaussian Splatting (Full Pipeline Tự Động Qua SSH)

 

—

 

## 🧩 1. Yêu cầu hệ thống

 

### 💻 Desktop GPU (dùng để chạy COLMAP + train)

– **Ubuntu 22.04+**

– **GPU NVIDIA có CUDA ≥ 11.8**

– Driver NVIDIA đã cài (`nvidia-smi` hoạt động)

– Python ≥ 3.10

– Đã cài các package build:

  “`bash

  sudo apt install build-essential cmake git ffmpeg libglew-dev libboost-all-dev libopencv-dev

 

Đã cài COLMAP (bản mới, hỗ trợ CUDA):

sudo apt install colmap

Đã cài CUDA Toolkit 11.8:

nvcc –version

 

🧱 2. Clone & Thiết lập môi trường

git clone –recursive https://github.com/graphdeco-inria/gaussian-splatting.git

cd gaussian-splatting

python3 -m venv .venv

source .venv/bin/activate

pip install -U pip wheel setuptools

 

🧠 Cài các thư viện Python chính:

pip install torch torchvision torchaudio –index-url https://download.pytorch.org/whl/cu118

pip install plyfile tqdm matplotlib tensorboard scikit-image

 

⚙️ 3. Build các submodules CUDA

cd submodules/diff-gaussian-rasterization

pip install .

 

cd ../simple-knn

pip install .

 

✅ Nếu lỗi No module named ‘torch’ → chạy:

source ~/DISK_3D/gaussian-splatting/.venv/bin/activate

python -c “import torch; print(torch.__version__, torch.cuda.is_available())”

 

Nếu báo True là OK rồi build lại.

 

🎬 4. Chuẩn bị pipeline tự động

  • Copy file Python auto_pipeline.py (đã có sẵn trong repo bạn).

  • File này sẽ:

    1. Tải video demo.

    2. Tách ảnh.

    3. Sinh script COLMAP tự động (colmap_auto.sh).

    4. Gửi lệnh chờ desktop xử lý.

    5. Khi desktop xử lý xong → tự train Gaussian Splatting.

 

🧠 5. Chạy pipeline

Trên máy chính (SSH hoặc server):

python auto_pipeline.py

 

Khi log in ra dòng:

📂 ĐÃ TẠO FILE CHỜ: ~/DISK_3D/gaussian-splatting/data/bicycle/colmap_auto.sh

💡 Trên desktop GPU, chạy:

    bash ~/DISK_3D/gaussian-splatting/colmap_watcher.sh

 

→ sang máy desktop GPU chạy:

bash ~/DISK_3D/gaussian-splatting/colmap_watcher.sh

 

Sau khi COLMAP hoàn tất undistort, pipeline sẽ tự động train.

 

🔍 6. Cấu trúc thư mục đầu ra

gaussian-splatting/

├── data/

│   └── bicycle/

│       ├── images/                 ← ảnh trích từ video

│       ├── sparse/0/               ← kết quả COLMAP thô

│       ├── undistorted/

│       │   ├── images/             ← ảnh sau khi hiệu chỉnh méo

│       │   └── sparse/0/           ← camera.bin, images.bin, points3D.bin

│       ├── colmap_auto.sh          ← script auto sinh

│       └── colmap_run.log          ← log chi tiết

└── output/

    └── bicycle/                    ← mô hình Gaussian Splatting huấn luyện xong

 

🧰 7. Xem kết quả

Sau khi train hoàn tất:

python render.py -m output/<model_folder>

 

Hoặc dùng real-time viewer (nếu đã build SIBR):

./SIBR_viewers/build/bin/SIBR_gaussianViewer_app -m ./output/<model_folder>

 

⚡ 8. Ghi chú & tối ưu

Tùy chọn

Tác dụng

–densify_until_iter

Giới hạn số bước densify (giảm VRAM)

–densify_grad_threshold

Giảm ngưỡng -> densify mạnh hơn (tăng tốc train)

–exposure_lr_init / –antialiasing

Bật bù sáng, khử răng cưa

–optimizer_type sparse_adam

Tăng tốc train gấp 2–3 lần

–train_test_exp

Huấn luyện có kiểm tra phơi sáng

 

💡 Lưu ý quan trọng

  • Gaussian Splatting chỉ đọc định dạng .bin trong undistorted/sparse/0/
    → không cần .txt (chỉ dùng cho debug COLMAP).

  • Nếu thấy AssertionError: only PINHOLE/SIMPLE_PINHOLE supported
    → phải chắc chắn chạy qua bước colmap image_undistorter.

  • Lúc mới train, VRAM chỉ ~800MB là bình thường, sẽ tăng dần khi densify.

  • Tốc độ trung bình: 25–40 iteration/giây, toàn bộ train khoảng 15–25 phút.

 

✅ Kết luận

Một khi pipeline chạy mượt và có folder undistorted/sparse/0/*.bin, bạn đã có thể train và render cảnh 3D Gaussian hoàn chỉnh.

Chúc bạn có một pipeline Gaussian Splatting tự động – ổn định – tốc độ cao 🧠⚡