doubleZ0108

Cv2 remap in pytorch? Numpy+cv2实现的代码迁移到PyTorch上往往不怎么需要改动，直接把np换成torch即可，但cv2.remap()函数是个特殊例子，该函数通过xy

数据集 相较于MVSNet增加了Depths_raw文件夹 scans/: 保存了原始分辨率的深度图GT和mask(1200, 1600) 代码里用的是这个 scanx_train/: 低分辨率的深度

环境搭建 首先在DTU官网下载定量测试的数据集（这部分之前师兄下过就没重新下） 最终的数据结构应该是 然后下载官方matlab测试代码，我用的是MVSNet_PyTorch里evaluation中的m

环境配置 需要下载作者提供的数据集，跟MVSNet的数据集不是很一样，但都不大2G+1G 整体环境推荐不要复用MVSNet，主要是PyTorch版本比较新，再依照requirements安装下没安过的

环境配置 总体环境可以复用MVSNet的conda环境，激活MVSNet的conda环境后做如下修改 在install_dependencies.sh中选择当前没安装过的手动安装，不建议直接执行she

环境配置 因为该仓库使用的是pytorch_lightning框架，因此当然不可以复用之前的conda环境啦，作者readme里已经说的很详细了 直接安装requirements.txt会报错pyto

环境配置 安装Anaconda 创建conda环境 conda create -n MVSNet python=3.6，并激活conda activate MVSNet 首先在conda中安装Pyor

进行编译即可，会自动导出后续fusibile被调用时的路径 一些坑记录在下面： 【运行转化点云时报错：Error: no kernel image is available for execution

开始之前推荐先把论文读明白：【深度学习MVS系列论文】CVP-MVSNet: Cost Volume Pyramid Based Depth Inference for Multi-View Ster