PaleFire

run the `pip install -r requirements.txt` successfully, so it seems to be solved. ps: above question occur when i try install 'lightning', 'gradio', and 'nerfacc' one by one.

> submodel has no glm, download glm and copy it in diff_gaussian_rasterization/thrid_party https://github.com/g-truc/glm.git Saved!! This problem has been bothering me for 2 hours. I thought there might be something wrong...

same problem and solved. download files u need from this link: https://huggingface.co/camenduru/GaussianDreamer/tree/main

I met the same problem linux system language: C.UTF-8 command: colmap image_undistorter --image_path /home/jane/Desktop/Gaussian-Garments/ActorsHQ-for-Gaussian-Garments/gs2mesh/data/custom/s1_s1/images --input_path /home/jane/Desktop/Gaussian-Garments/ActorsHQ-for-Gaussian-Garments/gs2mesh/data/custom/s1_s1/sparse --output_path /home/jane/Desktop/Gaussian-Garments/ActorsHQ-for-Gaussian-Garments/gs2mesh/data/custom/s1_s1/dense Does someone know how to solve it?

ye, details are not good

我遇到了类似的问题，人物后脑勺部分不太容易重建得很好，以及零散的黑边。我建议你可以直接用数据集中的calibration.csv真值试一下，结果看起来还可以。

> > 我遇到了类似的问题，人物后脑勺部分不太容易重建得很好，以及零散的黑边。我建议你可以直接用数据集中的calibration.csv真值试一下，结果看起来还可以。 > > 160个视角的通过调整colmap参数 可以到达很好的效果，比使用calibration.csv效果要好很多，但是我尝试15个视角的，效果还是不太好 我试了一下用160张图colmap重建，发现确实比使用calibration.csv的效果要好。有点疑惑，按理说calibration.csv给出的是相机内外参真值，重建效果不应该比colmap估计的结果要差。我比较了几张图的内外参真值 (calibration中的) 和cameras.txt&images.txt (colmap中的) 数值，还是有差别的。是因为calibration.csv提供的内外参的误差比较大吗，我不太确定这个推断对不对。  还有你用160张图重建时，改动了哪些colmap参数呢？如果用15个视角来重建的话，图片数量太少，效果应该不会很好。

我得到了一个有好有坏的结果。3dgs重建的正面看起来还不错，但是头部后面、上面，以及肩膀就很糟糕了。   这个结果比calibration.csv重建的结果要好很多，但只用到了95张左右的图片，其余的图片被colmap舍弃掉了。

> 那不应该，我建议你调整一下colmap的参数，--ImageReader.single_camera 0 --ImageReader.camera_model PINHOLE --SiftExtraction.peak_threshold 0.001 --SiftExtraction.edge_threshold 80 谢谢你给的参数，现在colmap可以用到158张图以及得到3万多个点了。  但是我再继续缩小peak_threshold或者增大edge_threshold，或者修改recons truction options参数，仍然不能用上全部160张图。(强迫症难受>.< 另外，对比可视化结果，你的图中点云结果还要更稠密一些。所以我想再请教一下，还需要修改哪些参数才能达到跟你的结果类似的效果呢？

> > > 那不应该，我建议你调整一下colmap的参数，--ImageReader.single_camera 0 --ImageReader.camera_model PINHOLE --SiftExtraction.peak_threshold 0.001 --SiftExtraction.edge_threshold 80 > > > > > > 谢谢你给的参数，现在colmap可以用到158张图以及得到3万多个点了。 > >  > > 但是我再继续缩小peak_threshold或者增大edge_threshold，或者修改recons truction options参数，仍然不能用上全部160张图。(强迫症难受>.< 另外，对比可视化结果，你的图中点云结果还要更稠密一些。所以我想再请教一下，还需要修改哪些参数才能达到跟你的结果类似的效果呢？ > > 或许你可以尝试一下添加--SiftMatching.guided_matching...