Spann3R 3D重建快速上手安装配置与演示教程【免费下载链接】spann3r[3DV25 Award Candidate] 3D Reconstruction with Spatial Memory项目地址: https://gitcode.com/gh_mirrors/sp/spann3rSpann3R 是一个支持从照片序列直接恢复场景三维结构的 3D 重建项目核心思路是空间记忆——网络在逐帧处理图像时会累积并复用已见过的几何信息该工作为 3DV 2025 获奖候选。本文面向第一次接触该项目的新手带你完成环境安装、权重准备、demo.py演示启动与 Gradio 网页界面运行并讲清每个关键目录的职责跑通后你就能复现增量式三维重建流程。Spann3R 解决什么问题适合谁用它做的事情可以概括为输入一段连续拍摄的图片序列如手机录像抽帧输出场景的点云、深度图和相机轨迹。相比逐对图像独立估计再拼接的传统做法空间记忆机制让重建过程保持全局一致长序列下漂移更少。想用一段视频快速重建房间、展厅等场景的开发者做多视图几何、增量重建方向研究需要可复现基线的同学想在重建结果上继续做 NeRF / 3D 高斯泼溅可接 Nerfstudio 的 splatfacto的进阶用户。如何安装依赖并编译 CUDA 内核建议全程在 conda 虚拟环境中操作避免污染系统 Python。完整步骤如下git clone https://gitcode.com/gh_mirrors/sp/spann3r cd spann3r conda create -n spann3r python3.9 cmake3.14.0 conda install pytorch2.3.0 torchvision0.18.0 torchaudio2.3.0 pytorch-cuda11.8 -c pytorch -c nvidia pip install -r requirements.txt cd croco/models/curope/ python setup.py build_ext --inplace cd ../../../几个要点第 4 行按你显卡的 CUDA 版本调整pytorch-cuda参数requirements.txt锁定了关键版本如numpy1.26.4、gradio4.43.0、opencv-python4.10.0.84、einops0.8.0、trimesh4.4.9等⚠️ 第 8、9 行编译的是 RoPE 旋转位置编码的 CUDA 扩展位于croco/models/curope/跳过它 demo 无法运行Open3D 建议按官方说明安装开发版0.16.0 起存在已知问题。最后准备权重文件mkdir checkpoints cd checkpoints # 下载 DUSt3R 预训练权重并放入 Spann3R 官方 checkpoint下载地址以仓库 README 为准两个权重都放在./checkpoints下即可demo.py默认读取./checkpoints/spann3r.pth。首次启动demo.py 演示命令与参数说明先按仓库 README 指引下载示例数据两个真实场景解压为./examples然后运行python demo.py --demo_path ./examples/s00567 --kf_every 10 --vis --vis_cam参数作用与修改建议--demo_path输入图片序列目录换成你自己的数据路径即可--kf_every每多少帧记为一个关键帧序列很长时可调大--vis打开渲染窗口手动调整视角后按空格开始增量重建渲染--vis_cam同时可视化相机位姿--save_path输出目录默认./output/demo/--ckpt_path权重路径默认./checkpoints/spann3r.pth--save_ori保存原始图像对应的相机内参到transform.json供 Nerfstudio 训练使用 想接 Nerfstudio 做高斯泼溅渲染时加--save_ori重跑一遍然后执行ns-train splatfacto --data ./output/demo/s00567 --pipeline.model.camera-optimizer.mode SO3xR3再用ns-render interpolate加载训练产出的config.yml渲染。具体流程以仓库 README 为准。不想敲命令启动 Gradio 交互界面项目内置了一个网页界面适合快速体验python app.py支持--server_port修改端口、--server_name指定绑定地址、--share生成临时共享链接远程服务器上尤其好用。关键目录与文件分工spann3r/项目主体model.py模型定义、loss.py训练损失、training.py训练循环都在这里datasets/下是各数据集的加载逻辑croco/底层视觉基础模型及 RoPE 的 CUDA 内核croco/models/curope/数据增强与 habitat 渲染工具也在其中dust3r/双视图重建的基座模块含云优化器cloud_opt/与几何工具docs/data_preprocess.mdHabitat、ScanNet、ArkitScenes、Co3D、BlendedMVS 等训练数据的预处理说明顶层脚本各司其职demo.py演示、app.py网页界面、train.py训练、eval.py评估。如何训练与评估模型训练需要多卡环境示例命令为torchrun --nproc_per_node 8 train.py --batch_size 4评估则直接python eval.py训练数据的下载与预处理细节请阅读docs/data_preprocess.md文中对每个数据集的目标路径如./data/scannetpp都有说明。新手检查清单✅ conda 环境 Python 3.9 PyTorch 2.3.0croco/models/curope/的 CUDA 扩展已编译成功 ✅ DUSt3R 权重与 Spann3R 权重均在./checkpoints/下文件名与脚本默认路径一致 ✅ 示例数据已解压为./examples--demo_path指向真实图片目录。常见问题加了--vis却没有窗口弹出通常是服务器无图形环境去掉--vis改为只跑重建或改用app.py --share在本地浏览器查看重建点云过稀可尝试调低--conf_thresh权重缺失时报 FileNotFoundError检查--ckpt_path是否指向存在的文件。【免费下载链接】spann3r[3DV25 Award Candidate] 3D Reconstruction with Spatial Memory项目地址: https://gitcode.com/gh_mirrors/sp/spann3r创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考