env_vars.bash.template
에서 찾을 수 있습니다. env_vars.bash.template
파일을 복사하여 conda create -n conceptgraph anaconda python=3.10
conda activate conceptgraph
# Install the required libraries
pip install tyro open_clip_torch wandb h5py openai hydra-core distinctipy
# for yolo
pip install ultralytics
# Install the Faiss library (CPU version should be fine)
conda install -c pytorch faiss-cpu=1.7.4 mkl=2021 blas=1.0=mkl
##### Install Pytorch according to your own setup #####
# For example, if you have a GPU with CUDA 11.8 (We tested it Pytorch 2.0.1)
conda install pytorch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 pytorch-cuda=11.8 -c pytorch -c nvidia
# Install Pytorch3D (https://github.com/facebookresearch/pytorch3d/blob/main/INSTALL.md)
# conda install pytorch3d -c pytorch3d # This detects a conflict. You can use the command below, maybe with a different version
conda install https://anaconda.org/pytorch3d/pytorch3d/0.7.4/download/linux-64/pytorch3d-0.7.4-py310_cu118_pyt201.tar.bz2
# Install the gradslam package and its dependencies
# Please clone and install them in separate folders, not within the concept-graphs folder.
git clone https://github.com/krrish94/chamferdist.git
cd chamferdist
pip install .
cd ..
git clone https://github.com/gradslam/gradslam.git
cd gradslam
git checkout conceptfusion
pip install .
먼저 패키지를 체크아웃합니다:
git clone git@github.com:IDEA-Research/Grounded-Segment-Anything.git
conda를 사용하여 CUDA toolkit을 설치할 수 있습니다:
conda install -c conda-forge cudatoolkit-dev
그리고 다음과 같이 export CUDA_HOME=/path/to/cuda-11.3/
를
export CUDA_HOME=/path/to/anaconda3/envs/conceptgraph/
로 대체해야 합니다.
ram_swin_large_14m.pth
, groundingdino_swint_ogc.pth
, sam_vit_h_4b8939.pth
tag2text_swin_14m.pth
도 선택적으로 다운로드). 자세한 다운로드 방법은 여기를 참조하세요. (https://github.com/IDEA-Research/Grounded-Segment-Anything#label-grounded-sam-with-ram-or-tag2text-for-automatic-labeling)설치 후 Grounded-SAM 경로를 환경 변수로 설정합니다:
export GSA_PATH=/path/to/Grounded-Segment-Anything
이 지침을 따르면 Grounded-SAM 패키지를 성공적으로 설치할 수 있습니다. 도움이 필요하면 언제든지 문의하세요!
원본 Replica 데이터셋에서 제공된 메쉬 모델을 사용하여
렌더링된 트랙을 포함하고 있습니다.export REPLICA_ROOT=/path/to/Replica
export CG_FOLDER=/path/to/concept-graphs/
export REPLICA_CONFIG_PATH=${CG_FOLDER}/conceptgraph/dataset/dataconfigs/replica/replica.yaml
cd conceptgraph
3D RGB 재구성(GradSLAM)
을 실행하고 시각화python scripts/visualize_cfslam_results.py --result_path /path/to/output.pkl.gz
b
를 눌러 배경 포인트 클라우드(벽, 바닥, 천장 등)를 전환
할 수 있습니다. c
를 눌러 태깅 모델의 객체 클래스에 따라 포인트 클라우드를 색칠
할 수 있습니다. r
를 눌러 RGB에 따라 포인트 클라우드를 색칠
할 수 있습니다.f
를 누르고 터미널에 텍스트를 입력
하면 입력한 텍스트
와 CLIP 유사성
에 따라 포인트 클라우드를 색칠할 수 있습니다.i
를 눌러 객체 인스턴스 ID
에 따라 포인트 클라우드를 색칠할 수 있습니다.REPLICA_SEMANTIC_ROOT
에 기록하세요.results
폴더에 저장되며, mean recall (mrecall)
은 논문에 보고된 mAcc
이고, fmiou
는 F-mIoU
입니다.python scripts/eval_replica_semseg.py \
--replica_root $REPLICA_ROOT \
--replica_semantic_root $REPLICA_SEMANTIC_ROOT \
--n_exclude 6 \
--pred_exp_name none_overlap_maskconf0.95_simsum1.2_dbscan.1_merge20_masksub
python scripts/eval_replica_semseg.py \
--replica_root $REPLICA_ROOT \
--replica_semantic_root $REPLICA_SEMANTIC_ROOT \
--n_exclude 6 \
--pred_exp_name ram_withbg_allclasses_overlap_maskconf0.25_simsum1.2_dbscan.1_masksub
export OPENAI_API_KEY=<your GPT-4 API KEY here>
# if output_ids[0, -keyword_id.shape[0]:] == keyword_id:
# return True
if torch.equal(output_ids[0, -keyword_id.shape[0]:], keyword_id):
return True
SCENE_NAME=room0
PKL_FILENAME=output.pkl.gz # 실제 pkl.gz 파일 이름으로 변경하세요
python scenegraph/build_scenegraph_cfslam.py \
--mode extract-node-captions \
--cachedir ${REPLICA_ROOT}/${SCENE_NAME}/sg_cache \
--mapfile ${REPLICA_ROOT}/${SCENE_NAME}/pcd_saves/${PKL_FILENAME}
python scenegraph/build_scenegraph_cfslam.py \
--mode refine-node-captions \
--cachedir ${REPLICA_ROOT}/${SCENE_NAME}/sg_cache \
--mapfile ${REPLICA_ROOT}/${SCENE_NAME}/pcd_saves/${PKL_FILENAME}
python scenegraph/build_scenegraph_cfslam.py \
--mode build-scenegraph \
--cachedir ${REPLICA_ROOT}/${SCENE_NAME}/sg_cache \
--mapfile ${REPLICA_ROOT}/${SCENE_NAME}/pcd_saves/${PKL_FILENAME}
그런 다음 다음 명령어를 사용하여 객체 맵과 장면 그래프를 시각화할 수 있습니다.
g
를 눌러 장면 그래프를 표시합니다.+
및 -
를 눌러 포인트 클라우드 크기를 증가 및 감소시켜 더 나은 시각화를 제공합니다.python scripts/visualize_cfslam_results.py \
--result_path ${REPLICA_ROOT}/${SCENE_NAME}/sg_cache/map/scene_map_cfslam_pruned.pkl.gz \
--edge_file ${REPLICA_ROOT}/${SCENE_NAME}/sg_cache/cfslam_object_relations.json