你们有试过自己创建数据集吗？我该怎么使用自己的数据集？

[dreaming-huang]

感谢你们开源的代码，我现在有一个工作需要使用自己的数据集，但是我找不到objaverse-MIX处理数据集的流程，你们有尝试使用过自己的数据集吗？如果有的话可以给我提供一些建议吗？

[wyysf-98]

感谢你们开源的代码，我现在有一个工作需要使用自己的数据集，但是我找不到objaverse-MIX处理数据集的流程，你们有尝试使用过自己的数据集吗？如果有的话可以给我提供一些建议吗？

有很多方法获取到最终的数据集，我们最主要是拿到表面的信息。 比如可以和 shape2vecset工作一样，使用https://github.com/autonomousvision/occupancy_networks提取水密的模型。 也可以通过多视角几何的方法获取物体的mesh。 得到mesh后将其转为sdf，便可以得到所需要的所有数据。

[LaFeuilleMorte]

感谢你们开源的代码，我现在有一个工作需要使用自己的数据集，但是我找不到objaverse-MIX处理数据集的流程，你们有尝试使用过自己的数据集吗？如果有的话可以给我提供一些建议吗？

有很多方法获取到最终的数据集，我们最主要是拿到表面的信息。 比如可以和 shape2vecset工作一样，使用https://github.com/autonomousvision/occupancy_networks提取水密的模型。 也可以通过多视角几何的方法获取物体的mesh。 得到mesh后将其转为sdf，便可以得到所需要的所有数据。

如果有mesh了，如何去获取点云/法线/多视角图片呢

[dreaming-huang]

感谢你们开源的代码，我现在有一个工作需要使用自己的数据集，但是我找不到objaverse-MIX处理数据集的流程，你们有尝试使用过自己的数据集吗？如果有的话可以给我提供一些建议吗？

有很多方法获取到最终的数据集，我们最主要是拿到表面的信息。 比如可以和 shape2vecset工作一样，使用https://github.com/autonomousvision/occupancy_networks提取水密的模型。 也可以通过多视角几何的方法获取物体的mesh。 得到mesh后将其转为sdf，便可以得到所需要的所有数据。

感谢你的回答，我跟随objaverse-MIX、occupancy_network获得了water_tight obj、point cloud、occupancies_field等，好像这个步骤对网格质量损害还是比较大的。此外，你们或者你们参考过的代码里，有渲染多视角图像的例子吗，我该怎么尽量和你们训练时使用的数据集对齐

[wyysf-98]

感谢你们开源的代码，我现在有一个工作需要使用自己的数据集，但是我找不到objaverse-MIX处理数据集的流程，你们有尝试使用过自己的数据集吗？如果有的话可以给我提供一些建议吗？

有很多方法获取到最终的数据集，我们最主要是拿到表面的信息。 比如可以和 shape2vecset工作一样，使用https://github.com/autonomousvision/occupancy_networks提取水密的模型。 也可以通过多视角几何的方法获取物体的mesh。 得到mesh后将其转为sdf，便可以得到所需要的所有数据。

感谢你的回答，我跟随objaverse-MIX、occupancy_network获得了water_tight obj、point cloud、occupancies_field等，好像这个步骤对网格质量损害还是比较大的。此外，你们或者你们参考过的代码里，有渲染多视角图像的例子吗，我该怎么尽量和你们训练时使用的数据集对齐

这里的确实是有很多细节，但是对于VAE的训练，破碎的网格对于质量的影响不大，反而是细节的丢失可能会影响性能。 整体而言，VAE的核心是压缩并重建模型，所以可以尝试一下用你提取到的数据。 渲染的多视角图像我们在val和data sample里面提供了，可以参考。

[Lanjiong-Li]

感谢你们开源的代码，我现在有一个工作需要使用自己的数据集，但是我找不到objaverse-MIX处理数据集的流程，你们有尝试使用过自己的数据集吗？如果有的话可以给我提供一些建议吗？

有很多方法获取到最终的数据集，我们最主要是拿到表面的信息。 比如可以和 shape2vecset工作一样，使用https://github.com/autonomousvision/occupancy_networks提取水密的模型。 也可以通过多视角几何的方法获取物体的mesh。 得到mesh后将其转为sdf，便可以得到所需要的所有数据。

感谢你的回答，我跟随objaverse-MIX、occupancy_network获得了water_tight obj、point cloud、occupancies_field等，好像这个步骤对网格质量损害还是比较大的。此外，你们或者你们参考过的代码里，有渲染多视角图像的例子吗，我该怎么尽量和你们训练时使用的数据集对齐

你好，可以问一下你用occupancy_network的环境吗

[dreaming-huang]

感谢你们开源的代码，我现在有一个工作需要使用自己的数据集，但是我找不到objaverse-MIX处理数据集的流程，你们有尝试使用过自己的数据集吗？如果有的话可以给我提供一些建议吗？

有很多方法获取到最终的数据集，我们最主要是拿到表面的信息。 比如可以和 shape2vecset工作一样，使用https://github.com/autonomousvision/occupancy_networks提取水密的模型。 也可以通过多视角几何的方法获取物体的mesh。 得到mesh后将其转为sdf，便可以得到所需要的所有数据。

感谢你的回答，我跟随objaverse-MIX、occupancy_network获得了water_tight obj、point cloud、occupancies_field等，好像这个步骤对网格质量损害还是比较大的。此外，你们或者你们参考过的代码里，有渲染多视角图像的例子吗，我该怎么尽量和你们训练时使用的数据集对齐

你好，可以问一下你用occupancy_network的环境吗

先删除环境构建文件的torch、torchvision，安装其他的，然后安装cuda10.0，然后安装他推荐的torch和torchvision版本

[dreaming-huang]

感谢你们开源的代码，我现在有一个工作需要使用自己的数据集，但是我找不到objaverse-MIX处理数据集的流程，你们有尝试使用过自己的数据集吗？如果有的话可以给我提供一些建议吗？

有很多方法获取到最终的数据集，我们最主要是拿到表面的信息。 比如可以和 shape2vecset工作一样，使用https://github.com/autonomousvision/occupancy_networks提取水密的模型。 也可以通过多视角几何的方法获取物体的mesh。 得到mesh后将其转为sdf，便可以得到所需要的所有数据。

感谢你的回答，我跟随objaverse-MIX、occupancy_network获得了water_tight obj、point cloud、occupancies_field等，好像这个步骤对网格质量损害还是比较大的。此外，你们或者你们参考过的代码里，有渲染多视角图像的例子吗，我该怎么尽量和你们训练时使用的数据集对齐

这里的确实是有很多细节，但是对于VAE的训练，破碎的网格对于质量的影响不大，反而是细节的丢失可能会影响性能。 整体而言，VAE的核心是压缩并重建模型，所以可以尝试一下用你提取到的数据。 渲染的多视角图像我们在val和data sample里面提供了，可以参考。

你们的rots.npy里的相机位姿似乎和实际渲染的图片不太一致，rots里有很多位姿是相同的，渲染图片里好像都是不同的位姿

[dreaming-huang]

感谢你们开源的代码，我现在有一个工作需要使用自己的数据集，但是我找不到objaverse-MIX处理数据集的流程，你们有尝试使用过自己的数据集吗？如果有的话可以给我提供一些建议吗？

有很多方法获取到最终的数据集，我们最主要是拿到表面的信息。 比如可以和 shape2vecset工作一样，使用https://github.com/autonomousvision/occupancy_networks提取水密的模型。 也可以通过多视角几何的方法获取物体的mesh。 得到mesh后将其转为sdf，便可以得到所需要的所有数据。

感谢你的回答，我跟随objaverse-MIX、occupancy_network获得了water_tight obj、point cloud、occupancies_field等，好像这个步骤对网格质量损害还是比较大的。此外，你们或者你们参考过的代码里，有渲染多视角图像的例子吗，我该怎么尽量和你们训练时使用的数据集对齐

这里的确实是有很多细节，但是对于VAE的训练，破碎的网格对于质量的影响不大，反而是细节的丢失可能会影响性能。 整体而言，VAE的核心是压缩并重建模型，所以可以尝试一下用你提取到的数据。 渲染的多视角图像我们在val和data sample里面提供了，可以参考。

你们的rots.npy里的相机位姿似乎和实际渲染的图片不太一致，rots里有很多位姿是相同的，渲染图片里好像都是不同的位姿
oh 知道了 相同rot的四张图是同一个初始位姿的前后左右

[wyysf-98]

感谢你们开源的代码，我现在有一个工作需要使用自己的数据集，但是我找不到objaverse-MIX处理数据集的流程，你们有尝试使用过自己的数据集吗？如果有的话可以给我提供一些建议吗？

有很多方法获取到最终的数据集，我们最主要是拿到表面的信息。 比如可以和 shape2vecset工作一样，使用https://github.com/autonomousvision/occupancy_networks提取水密的模型。 也可以通过多视角几何的方法获取物体的mesh。 得到mesh后将其转为sdf，便可以得到所需要的所有数据。

感谢你的回答，我跟随objaverse-MIX、occupancy_network获得了water_tight obj、point cloud、occupancies_field等，好像这个步骤对网格质量损害还是比较大的。此外，你们或者你们参考过的代码里，有渲染多视角图像的例子吗，我该怎么尽量和你们训练时使用的数据集对齐

这里的确实是有很多细节，但是对于VAE的训练，破碎的网格对于质量的影响不大，反而是细节的丢失可能会影响性能。 整体而言，VAE的核心是压缩并重建模型，所以可以尝试一下用你提取到的数据。 渲染的多视角图像我们在val和data sample里面提供了，可以参考。

你们的rots.npy里的相机位姿似乎和实际渲染的图片不太一致，rots里有很多位姿是相同的，渲染图片里好像都是不同的位姿

这个·rots.npy是指的是物体的旋转，我们为了方便，并没有旋转相机。 麻烦可以检查一下

[dreaming-huang]

感谢你们开源的代码，我现在有一个工作需要使用自己的数据集，但是我找不到objaverse-MIX处理数据集的流程，你们有尝试使用过自己的数据集吗？如果有的话可以给我提供一些建议吗？

有很多方法获取到最终的数据集，我们最主要是拿到表面的信息。 比如可以和 shape2vecset工作一样，使用https://github.com/autonomousvision/occupancy_networks提取水密的模型。 也可以通过多视角几何的方法获取物体的mesh。 得到mesh后将其转为sdf，便可以得到所需要的所有数据。

感谢你的回答，我跟随objaverse-MIX、occupancy_network获得了water_tight obj、point cloud、occupancies_field等，好像这个步骤对网格质量损害还是比较大的。此外，你们或者你们参考过的代码里，有渲染多视角图像的例子吗，我该怎么尽量和你们训练时使用的数据集对齐

这里的确实是有很多细节，但是对于VAE的训练，破碎的网格对于质量的影响不大，反而是细节的丢失可能会影响性能。 整体而言，VAE的核心是压缩并重建模型，所以可以尝试一下用你提取到的数据。 渲染的多视角图像我们在val和data sample里面提供了，可以参考。

你们的rots.npy里的相机位姿似乎和实际渲染的图片不太一致，rots里有很多位姿是相同的，渲染图片里好像都是不同的位姿

这个·rots.npy是指的是物体的旋转，我们为了方便，并没有旋转相机。 麻烦可以检查一下

所以你们是旋转物体，然后固定四个视角渲染，对吗？四个视角是（self.camera_embedding = torch.as_tensor([
[[1, 0, 0, 0],
[0, 0, -1, -self.distance],
[0, 1, 0, 0],
[0, 0, 0, 1]], # front to back

        [[0, 0, 1, self.distance],
        [1, 0, 0, 0],
        [0, 1, 0, 0],
        [0, 0, 0, 1]], # right to left

        [[-1, 0, 0, 0],
        [0, 0, 1, self.distance],
        [0, 1, 0, 0],
        [0, 0, 0, 1]], # back to front

        [[0, 0, -1, -self.distance],
        [-1, 0, 0, 0],
        [0, 1, 0, 0],
        [0, 0, 0, 1]], # left to right
    ], dtype=torch.float32)），

[dreaming-huang]

感谢你们开源的代码，我现在有一个工作需要使用自己的数据集，但是我找不到objaverse-MIX处理数据集的流程，你们有尝试使用过自己的数据集吗？如果有的话可以给我提供一些建议吗？

有很多方法获取到最终的数据集，我们最主要是拿到表面的信息。 比如可以和 shape2vecset工作一样，使用https://github.com/autonomousvision/occupancy_networks提取水密的模型。 也可以通过多视角几何的方法获取物体的mesh。 得到mesh后将其转为sdf，便可以得到所需要的所有数据。

感谢你的回答，我跟随objaverse-MIX、occupancy_network获得了water_tight obj、point cloud、occupancies_field等，好像这个步骤对网格质量损害还是比较大的。此外，你们或者你们参考过的代码里，有渲染多视角图像的例子吗，我该怎么尽量和你们训练时使用的数据集对齐

这里的确实是有很多细节，但是对于VAE的训练，破碎的网格对于质量的影响不大，反而是细节的丢失可能会影响性能。 整体而言，VAE的核心是压缩并重建模型，所以可以尝试一下用你提取到的数据。 渲染的多视角图像我们在val和data sample里面提供了，可以参考。

你们的rots.npy里的相机位姿似乎和实际渲染的图片不太一致，rots里有很多位姿是相同的，渲染图片里好像都是不同的位姿

这个·rots.npy是指的是物体的旋转，我们为了方便，并没有旋转相机。 麻烦可以检查一下
我load CraftsMan-main/data/sample/raw_data/images/cap3d_high_quality_10k/00a1a602456f4eb188b522d7ef19e81b/rots.npy作为rotate_mtx，在每次渲染前使用
obj.matrix_world = original_matrix
obj.matrix_world = Matrix(rotate_mtx[i]) @ original_matrix
来旋转物体，使用固定的四个视角渲染图片，目前我只能在第0-4张图上与你们对齐(旋转矩阵为对角阵的情况)，可以告诉一下我你们是怎么对物体进行旋转的吗