0.0我自己的复现工程

代码和安装包下载地址
  所需库的安装包在package文件夹下，代码在code文件夹下，测试数据在data文件下：离线安装直接用pip install xxx.whl,terminal下安装直接pip install xxx就行

安装包	作用
torch-1.8.1+cu102-cp38-cp38-win_amd64.whl（离线安装）	深度学习训练
h5py-3.11.0-cp38-cp38-win_amd64.whl （离线安装）	内存大数据处理
scikit-image-0.15.0.tar.gz （离线安装）	图像处理
scikit-image-0.15.0.tar.gz （离线安装）	图像读写与存储

0.1相关库介绍

0.1.1 pytorch

  Pytorch是torch的python版本，是由Facebook开源的神经网络框架，专门针对 GPU 加速的深度神经网络（DNN）编程。Torch 是一个经典的对多维矩阵数据进行操作的张量（tensor ）库，在机器学习和其他数学密集型应用有广泛应用。与Tensorflow的静态计算图不同，pytorch的计算图是动态的，可以根据计算需要实时改变计算图。
  pytorch相对于tensorflow出现的较晚一些，主要是针对深度神经网络而开发出来，这几年发展也是十分不错；tensorflow出现的较早，它的优点是分布式计算，在面临较大数据时相对效率较高；
  pytorch是动态框架，tensorflow是静态框架，主要区别就是静态框架在构建计算图的时候提前构建好，之后则无法改变，固定了计算的流程，势必带来了不灵活性，如果我们要改变计算的逻辑，或者随着时间变化的计算逻辑，这样的动态计算TensorFlow是实现不了的；而动态框架可以根据具体计算情况进行改变
  tensorflow的库相对完备齐全，而pytorch还在完善中；所以tensorflow在可视化方面十分出色；
  pytorch对python十分友好，更加python化的框架，而tensorflow的话更加像独立的语言和框架

0.1.2 h5py

  使用h5py库读写超过内存的大数据 。在简单数据的读操作中，我们通常一次性把数据全部读入到内存中。读写超过内存的大数据时，有别于简单数据的读写操作，受限于内存大小，通常需要指定位置、指定区域读写操作，避免无关数据的读写。 h5py库刚好可以实现这一功能。
  h5py的优势：速度快、压缩效率高，总之，numpy.savez和cPickle存储work或不work的都可以试一试h5py！h5py文件是存放两类对象的容器，数据集(dataset)和组(group)，dataset类似数组类的数据集合，和numpy的数组差不多。group是像文件夹一样的容器，它好比python中的字典，有键(key)和值(value)。group中可以存放dataset或者其他的group。”键”就是组成员的名称，”值”就是组成员对象本身(组或者数据集)

0.1.3 Scikit-Image

  Scikit-Image(skimage)是一个用于图像处理的Python库，提供了丰富的算法和工具，用于图像滤波、形态学处理、颜色转换、边缘检测、图像分割等。它的设计理念是简洁、易用和功能强大，适合快速开发和实验。

0.1.4 imageio

  imageio是一个Python库，它提供了一个简单的接口来读取和写入大量的图像数据，包括动画图像、体积数据和科学格式。它是跨平台的，运行在Python 2 .x和3。x上，并且易于安装。imageio.imread() 从指定的文件读取图像。返回一个NUMPY数组，该数组带有元数据的元属性。注意，图像数据按原样返回，并且可能不总是具有uTI8的dType（因此可能不同于例如PIL返回）。

0.2.复现简介

  首先我是在windows 10下的pycharm编译器环境下进行复现的，选择了conda虚拟环境下复现，python版本为3.8。源代码链接是参考的

0.3.参考链接

1.【论文精读】Point-NeRF:Point-based Neural Radiance Fields
2.Point-NeRF 可以被有效渲染，训练速度提升30倍
3.Point-NeRF: Point-based Neural Radiance Fields论文翻译笔记
4.论文阅读笔记—CVPR2022—Point-NeRF
5.NeRF神经辐射场学习笔记（三）——Point-NeRF论文解读
6.论文随记｜Point-NeRF: Point-based Neural Radiance Fields
7.复现point-nerf踩坑记录（可以运行测试）