Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra. # Entraînez des éclaboussures gaussiennes en 3D à partir d'une vidéo sur Deadline Cloud Le bundle de tâches [gsplat\_pipeline](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/job_bundles/gsplat_pipeline) exécute un pipeline [Gaussian Splatting 3D](https://aws.amazon.com/blogs/spatial/3d-gaussian-splatting-performant-3d-scene-reconstruction-at-scale/). Le bundle prend un fichier vidéo en entrée et produit un fichier Gaussian Splatting en sortie. `.ply` Après avoir téléchargé le résultat, vous pouvez l'afficher dans n'importe quel visualiseur Gaussian Splatting tel que. [SuperSplat](https://github.com/playcanvas/supersplat) Le pipeline exécute une seule tâche qui : 1. Extrait les images vidéo avec [FFmpeg](https://www.ffmpeg.org/). 1. Résout Structure-from-Motion avec [COLMAP](https://colmap.github.io/) et [GLOMAP](https://github.com/colmap/glomap), en enregistrant le modèle à sténopé et les images non déformées. 1. [Entraîne le gaussian Splatting avec nRF [Studio splatfacto, Splatfacto](https://docs.nerf.studio/nerfology/methods/splat.html)[in the Wild ou l'](https://docs.nerf.studio/nerfology/methods/splatw.html)exemple de bibliothèque gsplat simple\_trainer.py.](https://docs.gsplat.studio/main/examples/colmap.html) La sortie est enregistrée dans le `.ply` fichier que vous spécifiez. Pour exécuter ce bundle, déployez le [ CloudFormation modèle de ferme CUDA](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/cloudformation/farm_templates/cuda_farm) afin de créer une ferme Deadline Cloud avec un parc de processeurs graphiques CUDA. Créez ensuite le [package conda NerF Studio](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/conda_recipes/nerfstudio) et publiez-le sur votre canal conda S3. Si vous n'avez besoin que de l'entraîneur par défaut `NERFSTUDIO` (splatfacto), vous n'avez pas besoin du modèle de ferme CUDA ni du package conda personnalisé NerF Studio. Les exigences minimales sont une ferme Deadline Cloud avec un parc de GPU, un environnement de file d'attente qui inclut `conda-forge` et les packages conda suivants :`ffmpeg colmap glomap nerfstudio cuda`. Pour enregistrer une vidéo utilisable, suivez ces conseils : + Utilisez un large champ de vision afin d'utiliser un plus grand nombre d'objets communs entre les paires Structure-from-Motion d'images. + Désactivez la stabilisation vidéo pour conserver des optiques d'objectif identiques entre les images. + Capturez avec des mouvements lents et réguliers. Continuez à déplacer l'appareil photo et évitez de vous arrêter et de vous déplacer en un seul endroit. À partir du `job_bundles` répertoire du référentiel d'échantillons, soumettez le travail : ``` deadline bundle gui-submit gsplat_pipeline ``` Dans l'onglet *Job-specific Paramètres*, sélectionnez les chemins du fichier vidéo d'entrée et du `.ply` fichier de sortie.