NDR-code
NDR-code 是一款基于神经网络的动态场景三维重建工具，曾入选 NeurIPS 2022 Spotlight。它旨在解决传统方法难以从单目 RGB-D 相机数据中高质量还原动态物体几何结构、运动轨迹及外观纹理的难题。与依赖预定义模板的技术不同，NDR-code 采用“无模板”策略，能够灵活处理各类非刚性形变场景，如人体动作或变形物体，从而恢复出高保真的三维模型。
该工具主要面向计算机视觉领域的研究人员、算法开发者以及从事三维内容生成的工程师。用户只需提供单目相机拍摄的彩色图像与深度图序列，即可通过训练神经网络生成精确的动态三维场景。其核心技术亮点在于巧妙结合了神经隐式表面表示与动态形变建模，无需预先知道物体的拓扑结构即可实现端到端的重建。此外，项目提供了完整的数据预处理、训练评估及几何渲染代码，并兼容 KillingFusion 等主流数据集，便于学术界复现论文成果或进行二次开发。对于希望探索动态场景理解与重建技术的专业人士而言，NDR-code 是一个极具参考价值的开源基线。
使用场景
某影视特效团队需要利用单目 RGB-D 相机拍摄的演员表演片段，快速构建高保真的动态三维数字资产用于后期合成。
没有 NDR-code 时
- 硬件成本高昂：传统动态重建依赖多视角同步相机阵列或专业激光扫描仪，单目数据无法直接生成完整几何，导致拍摄门槛极高。
- 几何细节丢失：现有算法在处理非刚性形变（如衣物褶皱、肌肉运动）时，往往只能生成模糊的点云或体素，难以恢复清晰的表面网格。
- 模板依赖严重：主流方法需预先绑定特定的人体或物体拓扑模板，一旦拍摄对象超出模板范围（如手持道具），重建就会失败或产生伪影。
- 人工修复耗时：由于自动生成的模型精度不足，美术人员需花费数周时间手动雕刻和修补模型，严重拖慢制作周期。
使用 NDR-code 后
- 单目即可重建：NDR-code 能直接从单目 RGB-D 视频流中恢复动态场景，无需昂贵的多机位架设，大幅降低数据采集成本。
- 高保真表面还原：基于神经隐式场技术，NDR-code 能精准捕捉演员细微的动作形变与表面纹理，输出光滑且细节丰富的动态网格。
- 无模板自由重建：作为无模板（template-free）方法，NDR-code 不依赖先验形状约束，可灵活处理任意动态物体及复杂交互场景。
- 流程自动化提升：训练完成后即可直接导出带运动序列的高质量模型，将原本数周的手工修模工作缩短至小时级，显著提升迭代效率。
NDR-code 的核心价值在于打破了动态三维重建对昂贵硬件和固定模板的依赖，让单目设备也能高效产出电影级的动态数字资产。
运行环境要求
- Linux
需要 NVIDIA GPU（因依赖 CUDA），具体型号和显存未说明，需注意 CUDA 版本与 PyTorch 1.8.0 兼容
未说明
快速开始
基于单目RGB-D相机的动态场景神经表面重建
NeurIPS 2022（亮点论文）
论文 | 项目主页 | OpenReview | 海报
我们提出了一种名为Neural-DynamicReconstruction (NDR)的无需模板方法，用于从单目RGB-D相机中恢复动态场景的高保真几何、运动和外观。
使用方法
数据规范
数据按照NeuS的格式组织。
<case_name>
|-- cameras_sphere.npz # 相机参数
|-- depth
|-- 每个视角的目标深度
...
|-- image
|-- 每个视角的目标RGB图像
...
|-- mask
|-- 每个视角的目标掩码（对于未遮挡的情况，将所有像素设为255）
...
其中cameras_sphere.npz遵循IDR中的数据格式，world_mat_xx表示世界坐标系到图像坐标系的投影矩阵，scale_mat_xx表示归一化矩阵。
预处理数据
您可以在此处下载部分预处理过的KillingFusion数据，并将其解压到./目录下：链接。
重要提示： 如果您使用了这些预处理数据，请务必引用相关论文，并严格遵守相应的开源许可证。
环境搭建
克隆本仓库并创建环境（请注意CUDA版本）：
git clone https://github.com/USTC3DV/NDR-code.git
cd NDR-code
conda env create -f environment.yml
conda activate ndr
依赖项（点击展开）
- torch==1.8.0
- opencv_python==4.5.2.52
- trimesh==3.9.8
- numpy==1.21.2
- scipy==1.7.0
- PyMCubes==0.1.2
运行
- 训练
python train_eval.py
- 评估预训练模型
python pretrained_eval.py
数据预处理
如需准备自己的数据进行实验，请参考姿态初始化。
几何渲染
- 编译渲染器
cd renderer && bash build.sh && cd ..
- 渲染网格 输入原始数据路径、结果保存路径以及迭代次数，例如：
python geo_render.py ./datasets/kfusion_frog/ ./exp/kfusion_frog/result/ 120000
渲染结果将被放置在[path_of_results]/validations_geo/目录下。
待办事项
- 为DeepDeform人体序列和KillingFusion配置文件
- 数据预处理代码
- 几何渲染代码
- 预训练模型及评估代码
- 训练代码
致谢
本项目基于NeuS构建。部分代码片段也借鉴自IDR和NeRF-pytorch。用于相机姿态初始化的预处理代码则来自Fast-Robust-ICP。用于几何渲染的评估代码则借鉴自StereoPIFu_Code。感谢这些优秀的项目！我们也感谢所有作者的辛勤工作和开源贡献。
联系方式
如有任何问题，请联系蔡宏瑞。
引用
如果您觉得我们的代码或论文有用，请引用以下内容：
@inproceedings{Cai2022NDR,
author = {Hongrui Cai and Wanquan Feng and Xuetao Feng and Yan Wang and Juyong Zhang},
title = {Neural Surface Reconstruction of Dynamic Scenes with Monocular RGB-D Camera},
booktitle = {Thirty-sixth Conference on Neural Information Processing Systems (NeurIPS)},
year = {2022}
}
如果您使用了我们的预处理数据，请务必引用相关论文，并严格遵守相关的开源许可证。
常见问题
相似工具推荐
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
funNLP
funNLP 是一个专为中文自然语言处理（NLP）打造的超级资源库，被誉为"NLP 民工的乐园”。它并非单一的软件工具，而是一个汇集了海量开源项目、数据集、预训练模型和实用代码的综合性平台。 面对中文 NLP 领域资源分散、入门门槛高以及特定场景数据匮乏的痛点，funNLP 提供了“一站式”解决方案。这里不仅涵盖了分词、命名实体识别、情感分析、文本摘要等基础任务的标准工具，还独特地收录了丰富的垂直领域资源，如法律、医疗、金融行业的专用词库与数据集，甚至包含古诗词生成、歌词创作等趣味应用。其核心亮点在于极高的全面性与实用性，从基础的字典词典到前沿的 BERT、GPT-2 模型代码，再到高质量的标注数据和竞赛方案，应有尽有。 无论是刚刚踏入 NLP 领域的学生、需要快速验证想法的算法工程师，还是从事人工智能研究的学者，都能在这里找到急需的“武器弹药”。对于开发者而言，它能大幅减少寻找数据和复现模型的时间；对于研究者，它提供了丰富的基准测试资源和前沿技术参考。funNLP 以开放共享的精神，极大地降低了中文自然语言处理的开发与研究成本，是中文 AI 社区不可或缺的宝藏仓库。
cs-video-courses
cs-video-courses 是一个精心整理的计算机科学视频课程清单，旨在为自学者提供系统化的学习路径。它汇集了全球知名高校（如加州大学伯克利分校、新南威尔士大学等）的完整课程录像，涵盖从编程基础、数据结构与算法，到操作系统、分布式系统、数据库等核心领域，并深入延伸至人工智能、机器学习、量子计算及区块链等前沿方向。 面对网络上零散且质量参差不齐的教学资源，cs-video-courses 解决了学习者难以找到成体系、高难度大学级别课程的痛点。该项目严格筛选内容，仅收录真正的大学层级课程，排除了碎片化的简短教程或商业广告，确保用户能接触到严谨的学术内容。 这份清单特别适合希望夯实计算机基础的开发者、需要补充特定领域知识的研究人员，以及渴望像在校生一样系统学习计算机科学的自学者。其独特的技术亮点在于分类极其详尽，不仅包含传统的软件工程与网络安全，还细分了生成式 AI、大语言模型、计算生物学等新兴学科，并直接链接至官方视频播放列表，让用户能一站式获取高质量的教育资源，免费享受世界顶尖大学的课堂体验。
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。
PaddleOCR
PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来，转换成计算机可读取的结构化数据，让机器真正“看懂”图文内容。 面对海量纸质或电子文档，PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域，它扮演着连接图像与大型语言模型（LLM）的桥梁角色，能将视觉信息直接转化为文本输入，助力智能问答、文档分析等应用场景落地。 PaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显：不仅支持全球 100 多种语言的识别，还能在 Windows、Linux、macOS 等多个系统上运行，并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目，PaddleOCR 既能满足快速集成的需求，也能支撑前沿的视觉语言研究，是处理文字识别任务的理想选择。
awesome-machine-learning
awesome-machine-learning 是一份精心整理的机器学习资源清单，汇集了全球优秀的机器学习框架、库和软件工具。面对机器学习领域技术迭代快、资源分散且难以甄选的痛点，这份清单按编程语言（如 Python、C++、Go 等）和应用场景（如计算机视觉、自然语言处理、深度学习等）进行了系统化分类，帮助使用者快速定位高质量项目。 它特别适合开发者、数据科学家及研究人员使用。无论是初学者寻找入门库，还是资深工程师对比不同语言的技术选型，都能从中获得极具价值的参考。此外，清单还延伸提供了免费书籍、在线课程、行业会议、技术博客及线下聚会等丰富资源，构建了从学习到实践的全链路支持体系。 其独特亮点在于严格的维护标准：明确标记已停止维护或长期未更新的项目，确保推荐内容的时效性与可靠性。作为机器学习领域的“导航图”，awesome-machine-learning 以开源协作的方式持续更新，旨在降低技术探索门槛，让每一位从业者都能高效地站在巨人的肩膀上创新。