隨記

原文 K-Planes: Explicit Radiance Fields in Space, Time, and Appearance，又要換baseline，可是效果不好能怎么辦呢，我可不可以發瘋。k-planes的代碼又是非常工程瑣碎的，大佬的代碼果然不顧小白死活。隨便記錄下整個過程。

代碼記錄

main.py

主要用于：加載config文件，data，初始化等

loda_data() # 加載數據
init_trainer()	# 初始化模型（包括k-planes loss function等各種）
load_model()

type有幾個參數可選，其中phototourism等價于NeRF-W，video相當于動態場景，其他是靜態；從line 70進入各種初始化步驟。

所有參數都初始化完畢后，開始訓練

line 160      trainer.train()

base_train.py

一系列參數的初始化

還有損失函數的計算和優化

lowran_model.py

經過一系列跳轉，在這個文件下進行KPlaneField，KPlaneDensityField，ProposalNetworkSampler等一系列采樣和plane的生成和初始化操作，還有forward()函數，插值，query_rgb query_density。這里我只關心k-plane生成

kplane_field.py

1. 生成并初始化K-planes

最后生成以下k-planes：

2. Init appearance code-related parameters等價于NeRF-W（略）
3. Init decoder params： 對方向進行編碼
4. 初始化decoder
這里有兩種選擇，使用論文中的線性解碼器還是MLP，直接看else line189-217

video_trainer.py

其他的初始化都沒那么重要，第二重要的loss，k-plane添加了很多正則化的loss，就在這個函數里進行初始化

需要注意的點

1. pytorch提供的插值函數需要將x歸一化的[-1,1]之間
2. 損失函數的計算

記錄一下求ray還是什么的區別，暫時沒有很重要。不過原文里的這部分好像被刪掉了，這里是在B站up那里截的圖。