【ti example 投稿】Taichi 实现 Instant NGP (NeRF) 的渲染器

[LoYoT]

Taichi 实现 Instant NGP 的渲染

Instant NGP 是加速 NeRF 训练和渲染的新方法 (SIGGRAPH 2022)

本项目的主要内容：

1. 实现了 Instant NGP 的 forward 部分，并且可以实时渲染交互，只需要1GB的显存
2. 通过 SharedArray 实现了简单的 Fully Fused MLP
3. 目前提供了 8 个预训练的 Blender 渲染场景

目前因为 shared memory 在 CUDA 后端有 48KB 的限制，所以本项目的 Fully Fused MLP 并不完整，后续 Taichi 实现分配更大的 shared memory 后可以提速

仓库链接 https://github.com/Linyou/taichi-ngp-renderer

GUI 界面可以实现相机的交互、深度图可视化以及控制每条光线的采样数

预训练的渲染场景

具体使用方法请到 repo 中查看

[gingerkidney]

很棒的投稿哦~ 就是图有点小，可以再编辑下~~

[zemora]

很精彩同样也是很辛苦的工作！有几个点：

1. 在不加 --gui 参数的时候程序似乎会报错：

line 625, in render_frame
    samples, N_alive, N_samples = self.render(max_samples=100, T_threshold=1e-4)
TypeError: NGP_fw.render() missing 2 required positional arguments: 'dist_to_focus' and 'len_dis'

2. f16 <= f32 这个 warning 有点多，可以处理一下。

3. shared memory 不支持 x64 架构，这个可否开头加一个检查，如果架构不符合则直接报错？

[haidonglan]

Shared memory确实不支持x64，回头我们加上！

[yuanming]

这个有点强… 围观一下

[LoYoT]

新代码已经 push 了

1. 因为增加了 Depth of Field，还没有来得及更新单张图片的渲染
2. f16 ← f32 缓解了大部分
3. 我先直接用 ti.init(enable_fallback=False) ，因为目前除了 cuda 其他 backend 都没有跑起来

[LoYoT]

来更新一下：

1. 之前写的 MLP 做了太多的同步，导致性能和 tiny-cuda-nn 差的有点多，新的代码目前渲染的速度已经超过原版的速度了，同等设置下 Taichi 有65 fps，对比使用 Pytorch 的 Binding (可以保证数据在GPU上) tiny-cuda-nn 只有45 fps

2. 目前可以在三个平台上正常运行了，Windos 和 Linux 可以使用 CUDA 和 Vulkan，MacOS 可以使用 Vulkan

[zemora]

林同学，可以麻烦你去 taichi 的 repo 开个 PR 提交这个作品不？对 resource images 的处理可以参考这里：

taichi/python/taichi/examples/autodiff/diff_sph at master · taichi-dev/taichi

[LoYoT]

不好意思，没有及时回复消息，目前已经提交PR

[zemora]

太赞了。我们 review 的同学还需要确认一下某些机器不能跑的原因，以及是不是需要就此明确给出提示。

[HypoxanthineOvO]

一直准备自己复现这个forward的part，但苦于纯py的torch实现太慢，cuda太难写，刚调研到taichi发现已经有人做了类似的工作，我愿称之为大哥

[waleve]

老哥最近在做NGP相关的内容吗？方便交流一下吗

[CaiCai]

林同学您好！
请问为什么我将自己的场景用Ngp_pl训练完成，保存为npy文件后，运行Taichi-ngp时显示model.hash_encoder.params参数错误呢？