上述默认安装说明使您能够运行完整的 Infinigen 场景生成系统

本节将允许您使用我们自己的 --pipeline_configs opengl_gt 地面真实值提取配置，该配置可以避免在 Blender 中进行两次渲染，并提供附加标签，例如遮挡边界、子对象分割、3D 流和简单的 3D 边界框。如果您不需要这些功能，请跳过此部分并使用 在一个命令中生成图像 中所示的 --pipeline_configs blender_gt。本节面向计算机视觉研究人员和高级用户。

git submodule init
git submodule update
sudo apt-get install libglm-dev libglew-dev libglfw3-dev libgles2-mesa-dev zlib1g-dev

如果您没有 sudo 访问权限，则可以尝试以下方法：# Infinigen：生成你的第一个场景

Infinigen通过运行多个任务（通常自动执行，如生成一个命令中的图像（s））来生成场景。本指南将逐步运行它们以演示。这些命令在M1 Mac或Linux桌面上执行需要大约10分钟和16GB的内存。

逐步生成一个场景

cd worldgen
mkdir outputs

# 生成场景布局
$BLENDER -noaudio --background --python generate.py -- --seed 0 --task coarse -g desert simple --output_folder outputs/helloworld/coarse

# 填充独特的资产
$BLENDER -noaudio --background --python generate.py -- --seed 0 --task populate fine_terrain -g desert simple --input_folder outputs/helloworld/coarse --output_folder outputs/helloworld/fine

# 渲染RGB图像
$BLENDER -noaudio --background --python generate.py -- --seed 0 --task render -g desert simple --input_folder outputs/helloworld/fine --output_folder outputs/helloworld/frames

# 为准确的ground-truth再次渲染
$BLENDER -noaudio --background --python generate.py -- --seed 0 --task render -g desert simple --input_folder outputs/helloworld/fine --output_folder outputs/helloworld/frames -p render.render_image_func=@flat/render_image 

输出日志应指示代码正在处理什么。使用--debug以获得更多详细信息。每个命令完成后，您可以检查它的--output_folder以获取结果，包括运行$BLENDER outputs/helloworld/coarse/scene.blend或类似的以查看blender文件。出于视口稳定性的考虑，默认情况下我们隐藏了许多网格；要查看它们，请单击“渲染”或使用UI取消隐藏它们。

一键生成图像

我们提供tools/manage_datagen_jobs.py，一个可自动执行这些或类似步骤的实用程序。

python -m tools.manage_datagen_jobs --output_folder outputs/hello_world --num_scenes 1 
--pipeline_configs local_16GB monocular blender_gt --specific_seed 0 --configs desert simple

准备好移除保护栏了吗？尝试以下内容：- 将 desert 替换为 config/scene_types 中的任何一个以获得不同的生物群系（或编写自己的疯狂配置文件！）。您还可以添加 configs 中任何文件的名称。

• 将 --specific_seed 更改为任何数字以生成不同的场景，或将其删除并设置 --num_scenes 50 以尝试许多随机种子。
• 删除 simple 以生成更详细（但更昂贵）的场景，如预告片所示。
• 阅读并自定义 generate.py 以了解 infinigen 在幕后如何工作。
• 在第一个命令中添加 -p compose_scene.grass_chance=1.0 以强制出现草（或任何 generate.py 的 'run_stage' 资产名称）。您可以通过此机制修改整个存储库中的 kwargs @gin.configurable（）python 函数。

--configs 使您可以自定义视觉内容的随机分布。如果您没有在文件夹 config/scene_types 中选择任何配置，则代码会随机选择一个配置。

--pipeline_configs 确定将使用哪些计算资源以及每个场景需要哪些渲染作业。可以在 tools/pipeline_configs 中找到配置列表。您必须选择一个配置来确定计算类型（例如 local_64GB 或 slurm）和一个配置来确定数据集类型（例如 monocular 或 monocular_video）。运行 python -m tools.manage_datagen_jobs --help 以获取有关数据集生成的更多选项。

如果您打算使用 CUDA 加速地形（--pipeline_configs enable_gpu），则必须在启用 CUDA 的计算机上运行 install.sh。

Infinigen 在很大程度上使用了 Google 的 "Gin Config"，我们鼓励您查阅其文档以熟悉其功能。

探索 Infinigen 代码库

Infinigen 自我们的 CVPR 论文描述的版本以来已经发生了重大变化。它现在具有一些从互联网上获得的以 CC-0 许可证标记的过程代码，在适用的代码注释中标记——CVPR 版本中不存在这样的代码。

Infinigen 是一个正在进行的研究项目，存在一些已知问题。通过使用 Infinigen 的代码和配置文件进行实验，您将找到会在您的硬件上崩溃或无法处理的场景。Infinigen 场景是随机的，具有长尾可能的场景复杂性和计算要求。如果遇到不适合您计算硬件的场景，您应该尝试其他种子，使用其他配置文件，或寻求帮助。

即将推出

Infinigen 将在未来几个月内快速发展。请关注我们的 https://twitter.com/PrincetonVL 获取更新。

我们用于启动视频的代码的某些方面仍在完善中，将尽快发布，包括：

• 动态水和火的流体模拟
• 植物的某些类别，即蛇树和蜘蛛植物

教程和文档

我们将为 Infinigen 的所有方面添加全面的教程和文档。本 README 是 初步版本，我们的文档将扩展到详细介绍项目的所有方面。

贡献

我们欢迎贡献！您可以通过以下方式做出贡献：

• 向此存储库贡献代码 - 我们欢迎代码贡献。更多指南即将推出。
• 贡献程序生成器 - worldgen/nodes/node_transpiler/dev_script.py 提供了将艺术家友好的 Blender 节点 转换为 python 代码的工具。教程和指南即将推出。
• 贡献预生成的数据 - 任何人都可以贡献他们的计算能力来创建数据并与社区共享。请关注预生成数据的存储库。

获取帮助

请在此存储库的 Github 问题页面上寻求帮助。请使用 --debug 运行您的命令，并让我们知道：

• 您的计算设置，包括操作系统版本、CPU、RAM、GPU(s) 和任何驱动程序？- 你使用的代码版本是什么（链接到一个提交哈希），并且你是否进行了任何修改（新配置、代码编辑）？
• 你运行了什么确切的命令？
• 你运行的命令的输出日志是什么？
  • 如果使用了 manage_datagen_jobs，请查看 outputs/MYJOB/MYSEED/logs/ 来找到正确的日志文件。
  • 如果适用，确切的 Python 错误和堆栈跟踪是什么？