本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 在 Deadline Cloud 上使用视频训练 3D 高斯飞溅
<a name="examples-jb-gaussian-splatting"></a>

[gsplat\_pipeline ](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/job_bundles/gsplat_pipeline) 任务包运行 [ 3D 高斯喷射管道。](https://aws.amazon.com/blogs/spatial/3d-gaussian-splatting-performant-3d-scene-reconstruction-at-scale/)该包将视频文件作为输入，并生成一个高斯喷射文件作为输出`.ply`。下载输出后，可以在任何 Gaussian Splatting 查看器中查看，例如。[ SuperSplat ](https://github.com/playcanvas/supersplat)

该管道运行的单个任务是：

1. 使用 [ FFmp ](https://www.ffmpeg.org/) eg 提取视频帧。

1.  Structure-from-Motion 使用 [ COLMAP ](https://colmap.github.io/) 和 [ GLOMAP 求解](https://github.com/colmap/glomap)，保存针孔模型和未失真的图像。

1. 使用 [ nerF Studio splatfacto ](https://docs.nerf.studio/nerfology/methods/splat.html)、Splatfacto in the Wild 或 simple\_trainer.py g [ splat 库示例来训练高斯飞溅。](https://docs.nerf.studio/nerfology/methods/splatw.html) [https://docs.gsplat.studio/main/examples/colmap.html](https://docs.gsplat.studio/main/examples/colmap.html)输出将保存到您指定的`.ply`文件中。

要运行此捆绑包，请部署 [ CUDA 农场 CloudFormation 模板](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/cloudformation/farm_templates/cuda_farm)以创建具有 CUDA GPU 队列的 Deadline Cloud 农场。然后构建 [ nerF Studio conda 包](https://github.com/aws-deadline/deadline-cloud-samples/tree/mainline/conda_recipes/nerfstudio)并将其发布到你的 S3 conda 频道。

如果你只需要默认`NERFSTUDIO`（splatfacto）训练器，则不需要 CUDA 农场模板或自定义 nerF Studio conda 软件包。最低要求是具有GPU队列的截止日期云农场, 包括的队列环境`conda-forge`, 以及以下conda软件包:`ffmpeg colmap glomap nerfstudio cuda`.

要拍摄有用的视频，请遵循以下提示：
+ 使用较宽的视野，这样图像对之间有更多对象 Structure-from-Motion 可供使用。
+ 关闭视频防抖功能以保持帧间相同的镜头光学效果。
+ 用慢而稳定的动作拍摄。继续移动摄像机，避免在单个位置停下来平移。

从示例存储库的`job_bundles`目录中提交作业：

```
deadline bundle gui-submit gsplat_pipeline
```

在*Job-specific 设置*选项卡上，选择输入视频文件和输出`.ply`文件的路径。

有关包括捕获视频、提交和监控作业以及查看训练结果的完整演练，请参阅[用你自己的视频训练 3D 高斯飞溅](tutorial-gsplat-pipeline.md)。