GANmouflage: 3D Object Nondetection with Texture Fields

本项目 fork 自 rrrrrguo/ganmouflage，并在此基础上适配、修复和细化环境配置，保留原作者信息。

Rui Guo¹, Jasmine Collins², Oscar de Lima¹, Andrew Owens^1
1University of Michigan ²UC Berkeley

本仓库为论文 GANmouflage: 3D Object Nondetection with Texture Fields (arXiv:2201.07202v2) 的官方代码实现。
本地已附带论文 PDF：2201.07202v2.pdf

---

环境配置（推荐）

本项目已适配并锁定如下核心依赖（不可更改）：

• Python 3.8
• PyTorch 1.13.0 + CUDA 11.7
• torchvision 0.14.0
• torchaudio 0.13.0
• kornia 0.7.3
• pytorch3d 0.7.3

一键复现环境：

# 推荐使用 conda
conda env create -f environment_camoGAN_py38pt113cu117.yml
conda activate camoGAN_py38pt113cu117
# 或完全锁定版本
conda create --name camoGAN_py38pt113cu117 --file environment_camoGAN_py38pt113cu117.txt

如需自定义环境，请参考 environment_camoGAN_py38pt113cu117.yml。

---

数据集准备

• 场景图片数据
  下载：Owens et al., 2014 scenes.zip
  解压到项目外部目录，确保路径为 ../scenes/。
  然后运行：

  python get_num_views.py

• 动物形状数据
  下载：Google Drive
  来源：SMAL，解压到 ../fake_animals_v4/。

• 一键准备脚本

  sh ./prepare_data.sh

---

训练与生成

• 训练
  推荐直接运行：

  bash train_ddp.sh

  可通过 --scene SCENE_NAME 指定场景，通过 --animals 切换动物形状。

• 生成纹理

  bash generate.sh

---

重要说明

• .gitignore 已自动忽略大数据目录和中间结果：scenes/、fake_animals_v4/、test_code/、test_result/
• 推荐使用多卡训练，分布式配置见 train_ddp.sh
• 详细依赖与复现环境见 environment_camoGAN_py38pt113cu117.yml 和 environment_camoGAN_py38pt113cu117.txt

---

论文引用

如本项目对你有帮助，请引用原论文：

@article{guo2022ganmouflage,
  title={GANmouflage: 3D Object Nondetection with Texture Fields},
  author={Guo, Rui and Collins, Jasmine and de Lima, Oscar and Owens, Andrew},
  journal={arXiv preprint arXiv:2201.07202},
  year={2022}
}

arXiv:2201.07202v2

---

致谢

• 代码参考自 Owens et al., 2014
• 动物形状数据来源 SMAL

---

如有问题欢迎提 issue 或联系作者。

🚀 快速开始

1. 环境测试

# 运行完整测试套件
./run_test.sh