كيفية تثبيت NVIDIA Instant NeRF؟ من الصور إلى مشهد ثلاثي الأبعاد خطوة بخطوة

ما الذي ستتعلمه في هذا الدليل؟

يتعلّم NVIDIA Instant NeRF تمثيلاً للمشهد من الصور، ما يتيح مشاهدته من مواضع مختلفة للكاميرا. وتتألف العملية من بناء البرنامج، وتجهيز الصور أو الفيديو، وحساب مواضع الكاميرا، ثم تدريب المشهد. ويمكن، اختيارياً، إنشاء مسار للكاميرا في الواجهة ورندر حركة لها.

يفيد كاتب الدليل التقني من NVIDIA بأنه من الممكن إنجاز التجربة الأولى مع NeRF كاملة — بما يشمل بناء قاعدة الكود وتجهيز الصور وتدريب المشهد — في مدة قصيرة قد تصل إلى نحو ساعة. وهذا ليس ضماناً للأداء على كل جهاز كمبيوتر، بل وصف للمدة في التجربة العملية الواردة في الدليل. أما مرحلة التدريب نفسها فقد تستغرق بضع دقائق.

المتطلبات والتحضير

يسرد الدليل Visual Studio 2019 وأحدث إصدار من CUDA Toolkit وPython 3.9 وCMake 3.22 لبناء قاعدة الكود. وخلال البناء باستخدام CMake، يجب التأكد من استخدام Python 3.9. وبما أن المصدر لا يحدد رقم إصدار بعينه لـ CUDA Toolkit، فتحقق من أحدث إرشادات البناء في مستودع الكود قبل التثبيت.

يمكن لمن ليست لديهم خبرة في البناء الاستفادة من التعليمات المفصلة في نسخة المجتمع المتفرعة التي يشير إليها الدليل. ووفقاً للمصدر، فإن بناء قاعدة الكود عملية أكثر مباشرة لمن لديهم خبرة في البرمجة وعلوم البيانات. لا يتضمن هذا الدليل تعليمات سطر الأوامر، لذا اتبع تعليمات البناء الرسمية بدلاً من تخمين أو إضافة أوامر غير موجودة في المستودع.

يمكن أن يكون مدخل المشهد صوراً أو فيديو. وينبغي أن تتضمن الصور إطارات واضحة ومتداخلة تساعد COLMAP على تحديد مواضع الكاميرا. بعبارة أخرى، صوّر المشهد نفسه من زوايا مختلفة على امتداد التصوير؛ ولا تبدأ بمجموعة صور ضبابية أو غير مترابطة.

خطوات العمل في Instant NeRF

1. جهّز بيئة البناء. ثبّت Visual Studio 2019 وCUDA Toolkit وPython 3.9 وCMake 3.22. تحقق من أن CMake يستخدم Python 3.9، ثم ابنِ قاعدة الكود وفق إرشادات المشروع. كما يوجّه دليل NVIDIA المبتدئين الذين يواجهون صعوبات في التثبيت إلى الخطوات المشروحة في نسخة المجتمع المتفرعة.

2. سجّل المشهد بالصور أو الفيديو. صوّر المكان أو الجسم نفسه من مواضع مختلفة. احرص على وضوح التفاصيل في الإطارات وعلى وجود ترابط بصري بين كل صورة والتي تليها. ويتمثل النهج الأساسي الذي يقترحه المصدر في إعداد مجموعة صور تتوافق مع مبادئ المسح التصويري.

3. احسب مواضع الكاميرا. في المرحلة الأولى من سير عمل Instant NeRF، يحسب COLMAP مواضع الكاميرا في الصور. لذلك، راجع مجموعة الصور قبل التدريب: ينبغي أن تُظهر الصور أجزاء مشتركة من المشهد وأن تكون واضحة بما يكفي. بعد تجهيز مواضع الكاميرا، يمكن تدريب أول مشهد NeRF.

4. شغّل واجهة Testbed. افتح ملف Testbed.exe المبني عبر Anaconda. ووفقاً لدليل NVIDIA، يبدأ التدريب تلقائياً عند فتح الواجهة. أثناء التدريب، راقب مخطط الخسارة ومشهد العرض. ويذكر الدليل أن معظم التحسن في جودة الصورة قد يظهر خلال أول 30 ثانية، مع احتمال استمرار تحسن النتيجة لبضع دقائق أخرى.

5. أوقف التدريب وفقاً للحاجة. قد يكون استواء مخطط الخسارة مؤشراً إلى أن الوقت مناسب للنظر في إيقاف التدريب. ووفقاً للدليل، يمكن تحسين معدل إطارات العارض عند إيقاف التدريب. لذلك، لا تجعل إطالة التدريب هدفاً بحد ذاتها؛ بل قيّم جودة المشهد وسلاسة عرضه معاً.

6. أنشئ حركة للكاميرا. انتقل إلى موضع للكاميرا داخل المشهد، وأضف إطاراً مفتاحياً باستخدام الخيار Add from Cam. يُنشأ مسار الكاميرا باستخدام منحنيات Bézier. استخدم الخيار Read للمعاينة. وإذا كانت الحركة كما تريد، فاحفظ مسار الكاميرا وأنشئ فيديو عالي الجودة باستخدام برنامج الرندر النصي الموجود في مجلد scripts ضمن قاعدة الكود.

في سير عمل العمارة والتصميم الداخلي والتصور المعماري

يتمثل الجانب الذي يشرحه هذا الدليل من Instant NeRF في إنشاء مشهد من الصور وإتاحة استكشافه من مواضع مختلفة للكاميرا. ويؤكد دليل NVIDIA أن هذه الطريقة تستطيع تضمين الخلفية أيضاً في المشهد. ويمكن اختبار هذا النهج في الأعمال التجريبية من قبل المعماريين ومصممي الديكور الداخلي وفرق التصور المعماري الراغبين في دراسة المكان مع محيطه، لا باعتباره جسماً منفرداً فحسب.

مع ذلك، لا يقدم المصدر معلومات عن التوافق مع برامج CAD أو BIM بعينها، أو تنسيقات التسليم للإنتاج، أو النقل المباشر إلى سير عمل المشاريع. وعلى صعيد العتاد، يشير المصدر إلى متطلبات CUDA Toolkit، لكنه لا يذكر طرازاً محدداً لبطاقة الرسوميات أو مواصفات دنيا للنظام. لذلك، ينبغي للمكاتب التحقق مسبقاً من توافق محطات العمل الحالية لديها ومن أحدث تعليمات البناء. والأفضل التعامل مع Instant NeRF باعتباره طريقة لاختبار إنشاء المشاهد من الصور، لا افتراض أنه بديل لأدوات النمذجة والرندر الحالية.

أخطاء شائعة

• استخدام صور غير واضحة أو قليلة التداخل: يحدد COLMAP مواضع الكاميرا من الصور. تحقّق قبل التدريب من أن مجموعة الصور تتضمن إطارات واضحة ومترابطة من زوايا مختلفة.

• إغفال إصدار Python أثناء البناء: يحدد الدليل Python 3.9 وCMake 3.22. تأكد من أن CMake يستخدم إصدار Python الصحيح أثناء البناء.

• تقييم التدريب بالمدة وحدها: راقب مخطط الخسارة وأداء العارض إلى جانب جودة الصورة. وقد يكون إيقاف التدريب مناسباً عندما يستوي المخطط.

• الرندر من دون معاينة مسار الكاميرا: راجع الحركة أولاً باستخدام Read، ثم احفظ مسار الكاميرا وشغّل برنامج الرندر النصي.

الخطوات التالية

يسهّل إجراء التجربة الأولى على مشهد صغير يمكن إعادة تصويره ملاحظة أثر جودة الصور في النتيجة. تعامل مع الصور والفيديو كتجربتين منفصلتين، وقارن النتائج في ظروف التصوير الخاصة بك. ويمكنك أيضاً استكشاف عناصر التحكم بالكاميرا وواجهات تصحيح الأخطاء في الواجهة؛ إذ يشير الدليل إلى توافر هذه الخيارات من دون شرح وظيفة كل منها بالتفصيل.

إذا كان هدفك إنشاء حركة، فأنشئ مسار الكاميرا أولاً وعاينه باستخدام Read. وفي الخطوة الأخيرة، احفظ المسار واستخدم برنامج الرندر النصي لإنشاء فيديو عالي الجودة. إذا واجهت مشكلة في التثبيت أو البناء، فأعد مراجعة التعليمات الحالية في مستودع المشروع إلى جانب المكونات المذكورة في الدليل.

المصدر والترخيص

أُعدّ هذا الدليل باللغة التركية بالاستناد إلى معلومات التثبيت وتجهيز الصور والتدريب والحركة الواردة في الدليل التقني من NVIDIA بعنوان “Getting Started with NVIDIA Instant NeRFs”. ويُذكر أن معلومات الترخيص في المصدر متاحة مجاناً.